Knowledge base: Warsaw University of Technology

Settings and your account

Back

Recommendation System for Books

Paweł Rzepiński, Ryszard Paweł Szymański

Abstract

The amount of information we encounter in the Digital Era is enormous. The past problem of not having enough information transformed into the issue of finding it in a vast ocean of data. Recommendation systems are tools to navigate users to valuable items through the abundance of choices. People often rely on opinions of others when they find themselves unable to make an informed decision. Suggestions presented to the user aim to help them in the decision-making process of what to buy, watch or where to go. The objective of this thesis was to develop a recommendation system for books. The work consisted of three main stages: describing and analyzing the dataset, experimenting with different recommendation algorithms by comparing and evaluating their outcomes, implementing selected techniques in a web application to showcase the two most common use-cases of recommender engines. Recommending books using user-assigned tags proved to be the most accurate solution to suggesting similar items for a specific book. Applied methods were able to predict ratings (on the 1-5 scale) of various users with an average of 0.6 point precision. The Singular Value Decomposition model delivered the best results in regard to the absolute values and generalization potential. The workflow devised during the whole process supported reproducibility of the results. In the developed recommendation system the quality of data played a more significant role than its quantity, especially in the content-based methods. In the collaborative-filtering approach the optimization of parameters was an essential step preceding the comparison of final results. Additionally, the need for various evaluation metrics to fully assess models' performance was observed.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Paweł Rzepiński (FMIS) Paweł Rzepiński,, Faculty of Mathematics and Information Science (FMIS) Ryszard Paweł Szymański (FMIS) Ryszard Paweł Szymański,, Faculty of Mathematics and Information Science (FMIS)
Title in Polish
System rekomendacji książek
Supervisor
Agnieszka Jastrzębska (FMIS/DSMKP) Agnieszka Jastrzębska,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS)
Certifying unit
Faculty of Mathematics and Information Science (FMIS)
Affiliation unit
Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)
Study subject / specialization
, Informatyka (Computer Science)
Language
(en) English
Status
Finished
Defense Date
08-02-2019
Issue date (year)
2019
Reviewers
Agnieszka Jastrzębska (FMIS/DSMKP) Agnieszka Jastrzębska,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS) Agnieszka Jastrzębska (FMIS/DSMKP) Agnieszka Jastrzębska,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS) Władysław Homenda (FMIS/DSMKP) Władysław Homenda,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS) Władysław Homenda (FMIS/DSMKP) Władysław Homenda,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS)
Keywords in Polish
system rekomendacji, odtwarzalność, przetwarzanie języka naturalnego, filtrowanie społecznościowe, podobieństwo bazujące na zawartości
Keywords in English
recommendation system, reproducibility, natural language processing, collaborative filtering, content-based similarity
Abstract in Polish
Ilość informacji, które napotykamy w erze cyfrowej, jest ogromna. Dotychczasowy problem braku odpowiednich informacji został zastąpiony przez kwestię znalezienia ich w ogromnym zasobach danych. Systemy rekomendacji są narzędziami prowadzącymi użytkowników do wartościowych przedmiotów w obliczu licznych możliwości wyboru. Ludzie często polegają na opiniach innych osób, gdy nie są w stanie podjąć pewnej decyzji. Sugestie przedstawione użytkownikowi pomagają w procesie decyzyjnym dotyczącego tego co kupić, obejrzeć lub gdzie się udać. Celem tej pracy było opracowanie systemu rekomendacji książek. Praca składała się z trzech głównych etapów: opisywania i analizowania zbioru danych, eksperymentowania z różnymi algorytmami rekomendacji poprzez porównywanie i ocenianie ich wyników, użycie wybranych technik w aplikacji internetowej w celu zaprezentowania dwóch najczęstszych przypadków użycia metod rekomendacji. Rekomendacje książek bazujące na przyporządkowanych przez użytkowników tagach okazały się najdokładniejszym rozwiązaniem sugerującym podobne pozycje dla konkretnej książki. Zastosowane metody były w stanie przewidzieć oceny różnych użytkowników podawane w skali 1-5 ze średnią dokładnością wynoszącą 0,6. Model bazujący na rozkładzie według wartości osobliwej (Singular Value Decomposition) osiągnął najlepsze wyniki biorąc pod uwagę wszystkie miary. Opracowany system pracy wspierał odtwarzalność uzyskanych wyników. W opracowanym systemie rekomendacji jakość danych okazała się znacznie ważniejsza niż jej ilość, szczególnie w metodach opartych na treści. W podejściu korzystającym z filtrowania społecznościowego (collaborative filtering) optymalizacja parametrów była niezbędna do późniejszego porównania końcowych wyników. Dodatkowo, wyraźnie widoczna była potrzeba stosowania różnych metryk do pełnej oceny wydajności modeli.
File
  • File: 1
    Recommendation_system_for_books.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 29656

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUT581f333fbc4c430a872c7fda7b145710/
URN
urn:pw-repo:WUT581f333fbc4c430a872c7fda7b145710

Confirmation
Are you sure?
Report incorrect data on this page