Porównanie systemów rekomendacji
Promotor: dr inż. Krzysztof Manuszewski
Autor: Michał Niegrzybowski -
143303
Cel pracy
porównanie systemów rekomendacji
Azure Recommendation API
Mahout
NRecoRecommender
analiza rozwiązań komercyjnych
sposoby zbierania informacji
ewaluacje systemów
sposoby poprawy jakości rekomendacji
Przykłady zastosowań systemów rekomendacji
Spotify
Allegro
Helion
IHS Markit
Google
Booking
Zagadnienia dotyczące systemów rekomendacji
Ogólne problemy związane z budową systemów rekomendacji i ich rozwiązania
zbieranie danych
analiza przypadku braku danych
optymalizacja
ewaluacja
ustalanie podobieństwa
użytkowników
przedmiotów
Metody gromadzenia danych
usage - manualna interakcja użytkownika z aplikacją
dwellTime
podejście opisane przez inżynierów z firmy Yahoo
opiera się na gromadzeniu danych związanych z zaangażowaniem klienta
mapy cieplne, czyli zbieranie danych z sensorów urządzeń elektronicznych
dane lokalizacyjne
autoryzacja poprzez wspólnego poświadczyciela uprawnień
śledzenie ruchów gałki ocznej
śledzenie ruchów myszki
Użyte technologie
Azure Recommendation API
Apache Mahout
NRecoRecommender
Zebrane doświadczenie i osiągnięcia
prowadzenia własnej strony internetowej
kontrybucja w projektach open source
podniesienie umiejętności związanych z programowaniem funkcyjnym, głównie w języku F#
odnotowanie napisanych artykułów w licznych zestawieniach ciekawych artykułów i dokumentacji Microsoftu
zastosowanie w firmie IHS Markit propozycji odnośnie systemu rekomendacji
zastosowanie analizy ewaluacji bazującej na semantyce otrzymywanych komentarzy w firmie IHS Markit
liczne oferty pracy i współpracy
Podsumowanie
najmniej problemów związanych ze znalezieniem potencjalnych pracowników, powinny mieć firmy, które zdecydują się na bibliotekę Mahout
każdy ze sposobów zbierania danych jest związany z domeną
po ustaleniu pewnych początkowych założeń, każdą metodę można dopasować stricto do domeny, np. DwellTime użyty w przypadku firmy Yahoo i IHS Markit
Dziękuję za uwagę