Purchase work
Моделі та алгоритми для рекомендаційної системи знайомств на підставі тестування та даних профілів соціальних мереж
ЗМІСТ
Перелік умовних позначень, символів, одиниць, скорочень і термінів....
7
Вступ................................................................................................................
8
РОЗДІЛ 1. РЕКОМЕНДАЦІЙНІ СИСТЕМИ. АНАЛІЗ АЛГОРИТМІВ РОБОТИ РЕКОМЕНДАЦІЙНИХ СИСТЕМ...............................................
11
1.1 Системи рекомендацій………………….................................................
11
1.2 Базові підходи систем рекомендацій………………............................
12
1.2.1 Колаборативна фільтрація....................................................................
12
1.2.2 Контентна фільтрація............................................................................
15
1.2.3 Гібридні підходи...................................................................................
16
1.4 Методики збору даних для систем рекомендацій.................................
17
1.5 Застосування рекомендаційних систем..................................................
22
1.6 Алгоритми, що використовуються рекомендаційними системами....
23
1.6.1 Кореляція Пірсона…………………..................................................
23
1.6.2 Алгоритми кластеризації…………………………………………......
24
1.7 Проблеми рекомендаційних систем……...............................................
26
РОЗДІЛ 2. ОБРОБКА ІНФОРМАЦІЇ ПРОФІЛІВ КОРИСТУВАЧІВ СОЦІАЛЬНИХ МЕРЕЖ……………………………………………………
30
2.1 Соціальні мережі……………………......................................................
32
2.1.1 Особливості і функції соціальних мереж...........................................
33
2.2 Аналіз соціальних мереж……………………….....................................
35
2.3 Методи та етапи отримання даних.........................................................
37
2.4 Проблеми при зборі інформації про користувачів соціальних мереж………………………………………………………………...............
41
2.5 Технічні аспекти витягу знань................................................................
43
РОЗДІЛ 3. ПОСТАНОВКА ЗАДАЧ ДОСЛІДЖЕННЯ ..............................
47
РОЗДІЛ 4. РОЗРОБКА ПРОГРАМНОГО МОДУЛЮ ДЛЯ РЕКОМЕНДАЦІЙНОЇ СИСТЕМИ ЗНАЙОМСТВ НА ПІДСТАВІ ТЕСТУВАННЯ ТА ДАНИХ ПРОФІЛІВ СОЦІАЛЬНИХ МЕРЕЖ...........
50
4.1 Обґрунтування вибору засобів моделювання.......................................
50
4.2 Вибір технічних і програмних засобів розробки модулю....................
54
4.3 Структура спроектованої бази даних………………….........................
55
4.4 Тестування користувачів……….............................................................
64
РОЗДІЛ 5. ОПИС ПРОГРАМНОЇ РЕАЛІЗАЦІЇ ПРОГРАМНОГО МОДУЛЮ ДЛЯ РЕКОМЕНДАЦІЙНОЇ СИСТЕМИ ЗНАЙОМСТВ НА ПІДСТАВІ ТЕСТУВАННЯ ТА ДАНИХ ПРОФІЛІВ СОЦІАЛЬНИХ МЕРЕЖ............................................................................................................
70
5.1 Розробка діаграми компонентів програмних модулів сайту………………………………............................................................
70
5.2 Опис вилучених даних з соціальних мереж..........................................
72
5.3 Алгоритм роботи розроблюваного програмного модулю для рекомендаційної системи знайомств…….................................................
75
РОЗДІЛ 6. ТЕСТУВАННЯ ПРОГРАМНОГО ПРОДУКТУ.......................
83
Висновки.........................................................................................................
91
Перелік посилань............................................................................................
93
Додаток А Заява на закріплення теми випускної кваліфікаційної роботи магістра...............................................................................................
96
Додаток Б Перелік зауважень нормоконтролера.......................................
97
ПЕРЕЛІК ПОСИЛАНЬ
- Системы рекомендаций: задачи, подходы, алгоритмы [Электронный ресурс]. – Электрон. дан.: 2014 – Режим доступа: http://datareview.info/article/ sistemyi-rekomendatsiy-zadachi-podhodyi-algoritmyi/
- Fleder D., Hosanagar K. Blockbuster Culture's Next Rise or Fall: The Impact of Recommender Systems on Sales Diversity (англ.) / Management Science, Vol. 55, No. 5, May 2009, pp. 697-712 : журнал. – 2009. – P. 1-49.
- William W. Cohen Collaborative Filtering: A Tutorial. – Center for Automated Learning and Discovery. Carnegie Mellon University.
- Michael D. Ekstrand, John T. Riedl, Joseph A. Konstan Collaborative Filtering Recommender Systems. – Computer Interaction, 2010. – Vol. 4, No. 2. – P. 81-173.
- Sarwar B., Karypis G., Konstan J., Riedl J. Item-Based Collaborative Filtering Recommendation Algorithms / University of Minnesota, Minneapolis: Материалы конф. / WWW10, Hong Kong, May 1-5, 2001. – 2001. – P. 285-295.
- Рекомендательные системы: Часть 1. Введение в подходы и алгоритмы [Электронный ресурс]. – Режим доступа: http://www.ibm.com/ developerworks/ru/library/osrecommender1/index.html#resources
- Adomavicius G., Tuzhilin A. «Multidimensional RecommenderSystems: A Data Warehousing Approach», Proc. Second Int’lWorkshop Electronic Commerce (WELCOM ’01), – 2001.
- Коршунов А. Анализ социальных сетей: методы и приложения [Электронный ресурс] / А. Коршунов, И. Белобородов, Н. Бузун и др. / Труды ИСП РАН. 2014. №-1. – Режим доступа: http://cyberleninka.ru/article/n/analiz-sotsialnyh-setey-metody-i-prilozheniya
- Boyd D., Ellison N. Social Network Sites: Definition, History, Scholarship/Journal of Computer-Mediated Communication. – 2007. – Vol. 13, no. 1. – P. 210-230.
- Верченов Л. Н., Социальные сети и виртуальные сетевые сообщества / Л. Н. Верченов, Д. В. Ефременко, В. И. Тищенко. – М: ИНИОН РАН, 2013. – 360 с.
- Павленко В.В. Роль современных социальных сетей в социуме и политических технологиях/ В.В. Павленко., Кемеровский государственный университет. – 2012. – 110 с.
- Pinheiro Carlos A.R. Social Network Analysis in Telecommunications. – Hoboken: John Wiley & Sons, 2011. – 288 p.
- Abraham A., Hassanien A. E., Snášel V. Computational Social Network Analysis: Trends, Tools and Research Advances / Sammes A. J., – London: Springer, 2009. – 497 p.
- Kilduff M., Tsai W. Social networks and organisations. – SAGE, 2003. – 172 p.
- Kadushin C. Understanding social networks: Theories, concepts, and findings / Sammes A. J. – New York: Oxford University Press, 2012. – 252 p.
- Liu B. Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. – Springer, 2011. –271 p.
- Спека М.В. Создание web-сайтов. Самоучитель / М.В. Спека. – М.: Вильямс, 2007. – 288 с.
- Scott J., Carrington P. J. The Sage Handbook of Social Network Analysis. – SAGE, 2011. . – 622 p.
- Wasserman S. Social Network Analysis: Methods and Applications. – Cambridge University Press, 1994. – 825 p.
- Фримен Э. Изучаем HTML, XHTML и CSS / Э. Фримен, – П.: Питер, 2010. – 656 с.
- Бадд Э. CSS: профессиональное применение Web-стандартов / Э. Бадд, К. Молл, С. Коллизон, – М.: Вильямс, 2008. – 272 с.
- Флэнаган Д. JavaScript. Подробное руководство / Д. Флэнаган, – СПб.: Символ-Плюс, 2008. – 992 с.
- Котеров Д. PHP. В подлиннике / Д. Котеров, А. Костарев. – СПб.: БХВ-Петербург, 2005. – 245 с.
- Хокинс С. Администрирование веб-сервера Apache и руководство по электронной коммерции / С. Хоккинс, – М.: Вильямс, 2001. – 336 с.
- Прохоренок Н. HTML, JavaScript, PHP и MySQL / Н. Прохоренок, - СПб.: БХВ-Петербург, 2010. – 213 с.
- Бойко В.В. Проектирование баз данных информационных систем / В.В. Бойко, В.М. Савинков. – М.: Финансы и статистика, 1989. – 351 с.
- Бурлачук Л. Ф. Психодиагностика: учебник для ВУЗов / Л.Ф. Бурлачук. – СПб.: Питер, 2006. – 351 с.
- Николаенко В.М / Психология и педагогика: учебное пособие / В.М. Николаенко, Г.М. Залесов, Т.В. Андрюшина. – М.: ИНФРА-М, 2000. – 441 с.
- Юнг К.Г. Психологические типы / К.Г. Юнг. – СПб.: Ювента, 1995. – 345 с.
- Симонов П.В. Темперамент. Характер. Личность / П.В. Симонов, П.М. Ершов. – М.: Наука, 1984. – 402 с.
- Айзенк Г.Дж. Коэффициент интеллекта / Г.Дж. Айзенк. – Киев: Гранд, 1994. – 112 с.
- Маклаков А.Г. Общая психология. Учебник для вузов / А.Г. Маклаков. – Москва: Питер, 2005. – 204 с.
#: 4352
Type: Graduate work
Number of pages: 97
Subject: Web-programming
Font size: 14
Language: Ukrainian
Line spacing: 1.5
Department: Компьютерных наук
Number of notes: 1
Work uniqueness: 95% - eTXT Antiplagiat
Number of bibliography sources: 32
ВСТУП
Актуальність теми. У 21 столітті сучасна людина поряд з існуючою реальністю, занурився в новий простір, інформаційне середовище. Роль соціальних медіа з кожним днем збільшується. Все більше і більше стає загальна кількість користувачів інтернет. Сформувалася певна аудиторія зі своїми законами, нормами, цілями. Соціальні мережі можна назвати комунікаційної сферою, де користувачі об'єднані якимись ознаками і постійно взаємодіють один з одним.
Таким чином, соціальні мережі спочатку створювалися з метою спілкування, комунікації між людьми. Певну мету кожен вибирав для себе сам: нові знайомства, ділові пропозиції, обмін інформацією, хобі, розваги. На сьогоднішній день соціальна мережа в інтернеті являє собою програмне забезпечення, що дозволяє користувачам створювати свої профілі і зв'язуватися з іншими учасниками у віртуальному просторі. Це якийсь віртуальний коло знайомих людини, де сама людина – це центр соціальної мережі, його знайомі – гілки цієї соціальної мережі, відносини між цими людьми – зв'язку. Сьогодні сучасні соціальні мережі наділені безліччю всіляких достоїнств, функцій, які змінюють мислення людини, створюють нові мотиви, ідеї, інтереси і роблять життя набагато цікавіше і цікавіше.
З появою соціальних мереж пов'язаний феномен соціалізації персональних даних: стали публічно доступними факти біографії, листування, щоденники, фото-, відео-, аудіоматеріали, замітки про подорожі та інше. Таким чином, соціальні мережі є унікальним джерелом даних про особисте життя і інтересах реальних людей.
Щоб знайти цікавого і максимально схожого співрозмовника може знадобитися звичайній людині багато часу, часу для спілкування і знайомства з співрозмовників. Розробляється ж система, допомагатиме користувачеві, аналізувати інформацію і використовуючи певні методи і алгоритми, орієнтуючись на тестування, яке також буде проводиться в рамках системи, підбирати людини з максимально схожими інтересами, захопленнями, поглядами на життя.
В даній роботі пропонується вирішення актуальної соціальної задачі – підбір співрозмовника шляхом розробки рекомендаційної системи на основі даних тестування та інформації, отриманої з профілів користувачів соціальних мереж.
Мета і завдання роботи. Метою даної роботи є розробка рекомендаційною системи знайомств на підставі тестування та інформації, взятої з соціальних мереж. Досягнення цієї мети спростить пошук відповідного до користувача співбесідника.
Завдання дослідження:
- аналіз функціональних можливостей існуючих соціальних мереж;
- аналіз існуючих методів обробки інформації з соціальних мереж;
- розробка інтелектуального алгоритму витягу даних з профілів користувачів соціальних мереж для рекомендаційної системи знайомств;
- дослідження можливостей практичного використання розробленого алгоритму витягу даних.
Предметом дослідження є існуючі методи кластеризації, алгоритми для виявлений схожості між об'єктами.
Об'єктом дослідження є інформація, отримана від користувачів, інформація про користувачів, яка міститься на їх особистих web-сторінках у соціальних мережах.
Методи дослідження. У процесі досліджень застосовані методи кластерізації об’єктів та методика тестування на психотип людини.
Наукова новизна одержаних результатів полягає у розробці інтелектуального алгоритму витягу даних з соціальних мереж та побудові моделі для дослідження ефективності роботи алгоритму кластерного аналізу, залежно від отриманої інформації з соціальної мережі користувача.
Практична цінність отриманих результатів полягає у реалізації розробленого алгоритму у вигляді програмного модуля та його використанні для спрощення пошуку відповідного та максимально схожого співрозмовника на сайті знайомств.
Апробація результатів дослідження. Результати роботи освітлені в науковій конференції, такій як:
- V Міжнародна науково-практична конференція студентів, аспірантів та молодих науковців «Інфокомунікації – сучасність та майбутнє», Одеса, ОНАЗ ім. О.С. Попова, 29-30 жовтня 2015 р.
Структура та обсяг роботи. Випускна магістерська робота обсягом 97 машинописних сторінок складається з вступу, шести розділів, висновків, переліку посилань, що складається з 32 найменувань і розташованого на 3 сторінках, додатків. Робота містить 19 рисунків, 11 таблиць.