Neuronové sítě pro doporučování knih

Loading...
Thumbnail Image

Date

Authors

Gráca, Martin

Mark

B

Journal Title

Journal ISSN

Volume Title

Publisher

Vysoké učení technické v Brně. Fakulta informačních technologií

ORCID

Abstract

Tato práce se zabývá oblastí Doporučovacích systémů využívající Hluboké neuronové sítě a jejich využití při doporučování knih. Jsou zde rozebrány tradiční doporučovací systémy a jejich reprezentace i systémy s pokročilejšími technikami na základě strojového učení. Jádrem práce je uplatnění konvolučních neuronových sítí pro zpracování přirozeného jazyka a vytvoření hybridního knižního doporučovacího systému. Navržený systém doporučuje na základě uživatelských dat, včetně uživatelských recenzí a knižních textových dat. Na vytvořené datové sadě systém dosahuje chyby RMSE 1,086.
This thesis deals with the field of Recommendation systems using Deep Neural Networks and their use in book recommendation. There are the main traditional recommender systems analysed and their representations are summarized, as well as systems with more advancec techniques based on machine learning.. The core of the thesis is the use of convolutional neural networks for natural language processing and the creation of a book recommendation system. Suggested system make recommendation based on user data, including user reviews and book data, including full texts.

Description

Citation

GRÁCA, M. Neuronové sítě pro doporučování knih [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.

Document type

Document version

Date of access to the full text

Language of document

cs

Study field

Inteligentní systémy

Comittee

doc. Ing. František Zbořil, CSc. (předseda) prof. RNDr. Alexandr Meduna, CSc. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) Ing. František Grézl, Ph.D. (člen) prof. Ing. Radomil Matoušek, Ph.D. (člen) Dr. Ing. Petr Peringer (člen)

Date of acceptance

2018-06-18

Defence

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Oponent hodnotil práci stupněm 4F z důvodu řady nedostatků v různých částech práce. Komise posoudila předloženou práci a dospěla k závěru, že postrádá podstatné části, například vlastní přínos studenta nebo srozumitelné vysvětlení cílů práce. Dalším vážným nedostatkem je převzetí některých zdrojových kódů bez uvedení původních autorů. Na základě těchto skutečností se komise rozhodla hodnotit práci jako nevyhovující. Otázky u obhajoby: Jak konkrétně je v práci použita metrika RMSE? O čem hovoří citovaný článek [44]? Proč práce nevyužívá metriky MAE?  Jak se konkrétně využívá natrénovaná síť v požadované aplikaci? Čím si vysvětlujete zhoršení přesnosti sítě na větším datasetu?

Result of defence

práce nebyla úspěšně obhájena

DOI

Collections

Endorsement

Review

Supplemented By

Referenced By

Citace PRO