Lucrarea respectivă explorează domeniului recomandărilor pentru o experiență cât mai organică online al unui utilizator. În contextul acestui studiu se va cerceta conceptul de sisteme de recomandare de conținut digital din punct de vedere tehnologic. Se va aprecia importanța existenței recomandărilor atât pentru un utilizator, cât și impactul impactul economic a unui astfel de sistem. La fel, se va cerceta necesitatea personalizării recomandărilor, și beneficiile cât a utilizatorilor atât și a producătorilor de conținut digital și de vânzători online.
Considerând că în baza modelelor ce generează aceste recomandări se află un set de algoritmi clasici combinați cu elemente de Machine Learning, lucrarea respectivă va analiza și defini cei mai des întâlniți algoritmi în contextul sistemelor de recomandare. La fel se vor studia și instrumentele utilizate pentru a crea un astfel de sistem, în fundamentele cărora se află limbajul de programare Python. Librăriile din acest limbaj sunt cele mai rapide și puternice în crearea modelelor matematice de diferite tipuri. Cu ajutorul acestor librării se va efectua și o analiză exploratorie a datelor care va oferi mai mult context și detalii în legătura cu sistemele de recomandare ce urmează a fi realizate.
Lucrarea va analiza 2 seturi de date: unul cu feedback implicit și cu altul feedback explicit, pentru a putea forma o opinie despre provocările fiecăruia. În dependență de set, se vor analiza modelele care ar putea fi aplicate în crearea unui sistem de recomandare. Cu ajutorul acestor modele urmează să fie create 2 sisteme de recomandare. Primul va fi dedicat recomandărilor de filme și conținut digital utilizând date cu feedback explicit. Al doilea sistem va fi responsabil să genereze recomandări de produse utilizatorilor unui magazin online în baza unui set de date cu feedback implicit care va analiza cât activitatea utilizatorului atât și a al altor utilizatori cu interese similare.
This study explores the domain of recommendation system for a user's most organic online experience. In the context of this study, the concept of digital content recommendation systems will be investigated from a technological point of view. The importance of the existence of recommendations for both a user and the economic impact of such a system will be appreciated. Likewise, the need for personalization of recommendations will be researched, and the benefits to users, digital content producers and online sellers.
Considering that the models that generate these recommendations are based on a set of classic algorithms combined with Machine Learning elements, the respective paper will analyze and define the most common algorithms in the context of recommendation systems. Likewise, the tools used to create such a system will be studied, the foundations of which are the Python programming language. Libraries in this language are the fastest and most powerful in creating mathematical models of various types. With the help of these libraries, an exploratory analysis of the data will also be carried out, which will provide more context and details in connection with the recommendation systems to be implemented.
The paper will analyze 2 sets of data: one with implicit feedback and another with explicit feedback, to be able to form an opinion about the challenges of each. Depending on the dataset, models that could be applied in creating a recommender system will be analyzed. With the help of these models, 2 recommendation systems are to be created. The first will be dedicated to movies and digital content recommendations using data with explicit feedback. The second system will be responsible for generating product recommendations to users of an online store based on an implicit feedback dataset that will analyze both the user's activity and that of other users with similar interests.