Об архитектура и разработка рекомендательной системы для социальных платформ на основе машинного обучения: дипломная работа / Мария Витальевна Мишина; БГУ, Факультет прикладной математики и информатики, Кафедра компьютерных технологий и систем; науч. рук. Казаченок В. В.

Abstract

РЕФЕРАТ Дипломная работа, 55 страниц, 11 рисунков, 6 таблиц, 2 приложения, 14 источников. Ключевые слова: РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ, МАШИННОЕ ОБУЧЕНИЕ, ГИБРИДНЫЕ АЛГОРИТМЫ, ПРОБЛЕМА ХОЛОДНОГО СТАРТА, ВЕКТОРНЫЕ ПРЕДСТАВЛЕНИЯ, МАТРИЧНАЯ ФАКТОРИЗАЦИЯ, ТАРГЕТИНГ. Объект исследования: алгоритмы машинного обучения, архитектура рекомендательных систем. Цели работы: создание высокопроизводительной рекомендательной системы, обеспечивающей точную персонализацию при обработке значительных массивов пользовательских данных. Методы исследования: анализ существующих подходов к построению рекомендательных систем, разработка гибридной модели, тестирование с использованием стандартных метрик, экспериментальная оценка эффективности через A/B-тестирование. Результаты работы: разработана готовая к внедрению рекомендательная система, которая эффективно решает проблему холодного старта, обеспечивает значительное повышение точности рекомендаций и реализует сбалансированный механизм распределения контента с полным набором интерфейсов для интеграции в существующие платформы. Система демонстрирует устойчивую работу в промышленных условиях и готова к масштабированию. Область применения результатов: профессиональные социальные сети, корпоративные медиа-платформы, экспертные сообщества, образовательные ресурсы.