Tavsiya tizimi: film yoki mahsulotlar uchun tavsiya loyihasi
Kalit so'zlar:
Tavsiya Tizimi, Kollaborativ Filtrlash, Chuqur O‘rganish, RMSE, NDCG, Matritsani Faktorizatsiya, Mahsulotlar, FilmlarAnnotatsiya
Film va elektron tijorat mahsulotlari tavsiya tizimlarini yaratishda qo‘llaniladigan kollaborativ filtrlash va chuqur o‘rganish (Deep Learning) metodlarining qiyosiy tahlili. Muammoning dolzarbligi shundaki, onlayn platformalardagi ma'lumotlar hajmining keskin o‘sishi sharoitida foydalanuvchilarni qiziqtirgan kontent yoki mahsulotni aniq topish murakkablashmoqda. Ushbu loyihaning maqsadi Kollaborativ Filtrlash (KF) kabi an'anaviy yondashuvlar hamda Neyron Matritsani Faktorizatsiya (Neural Matrix Factorization) kabi zamonaviy chuqur o‘rganishga asoslangan modellar o‘rtasidagi ish samaradorligi (prognoz aniqligi) va hisoblash samaradorligini o‘lchashdan iborat. Tadqiqot usuliyoti ma’lumotlar to‘plamida (masalan, MovieLens filmlar ma'lumotlari yoki ochiq Amazon Mahsulotlar to'plami) $k$-Eng Yaqin Qo‘shnilar ($k$-NN) algoritmi va Chuqur O‘rganish modeli sinovdan o‘tkazishdan iborat bo‘ldi
Библиографические ссылки
1. To‘xtasinov J., Raxmatov A. Raqamli signalni qayta ishlash asoslari. – Toshkent: TDYU nashriyoti, 2020.
2. Yo‘ldoshev F., Ismoilov S. Telekommunikatsiya tizimlarida signallarni qayta ishlash. – Toshkent: “Innovatsiya” nashriyoti, 2021.
3. Оппенгейм, А., Шафер, Р. Цифровая обработка сигналов. – Москва: Техносфера, 2017.
4. Проаков, Дж. Основы цифровой обработки сигналов. – Москва: Мир, 2016.
5. Bracewell, R. The Fourier Transform and Its Applications. – McGraw-Hill, 2000.
6. Lyons, R. Understanding Digital Signal Processing. – Prentice Hall, 2011.
7. Smith, Steven W. The Scientist and Engineer’s Guide to Digital Signal Processing. – California Technical Publishing, 2003.
8. Proakis, J., Manolakis, D. Digital Signal Processing: Principles, Algorithms, and Applications. – Pearson, 2013.
