Hlavním cílem této diplomové práce je navrhnout a vytvořit doporučovací systém pro IPTV službu. Program RecTV vytvořený v jazyce Go bude sloužit pro získávání podobnosti TV obsahu. Dále bude doporučovat TV obsah uživatelům podle toho, co za poslední dobu zhlédli. Systém umožňuje výpočet podobnosti obsahu na základě požadovaných pravidel. V teoretické části práce jsou popsány informace o IPTV službách a existujících typech systémů pro doporučování obsahu. Návrh samotného systému a pravidel pro filtrování, programové řešení, testování systému a možnosti aplikace metod umělé inteligence jsou popsány v druhé, projektové části práce. Výsledkem této práce je plně funkční a otestovaný doporučovací systém, který umožňuje získávat doporučení pro uživatele a předávat tato doporučení systémům IPTV služby pro další zpracování.
Annotation in English
The aim of this diplomat thesis is to design and implement a recommendation system for IPTV service. The program RecTV was created with Go programming language and will be used for finding similarities of TV content. The system will recommend TV content to users according to what they had seen lately. System allows calculation of TV content similarities based on required rules. Information about IPTV services and existing types of content recommender systems is described in the theory part of this thesis. The project part describes design of such system and filtering features, software solution, system testing and possibilities of applying A.I. methods. The result of this work is fully functional and tested recommendation system that allows to procure recommendations for users and pass these recommendations to other IPTV service systems for further processing.
Keywords
Doporučovací systém, IPTV, doporučování, TV obsah, míra podobnosti, TF-IDF
Keywords in English
Recommendation engine, IPTV, recommending, TV content, similarity measure, TF-IDF
Length of the covering note
57
Language
CZ
Annotation
Hlavním cílem této diplomové práce je navrhnout a vytvořit doporučovací systém pro IPTV službu. Program RecTV vytvořený v jazyce Go bude sloužit pro získávání podobnosti TV obsahu. Dále bude doporučovat TV obsah uživatelům podle toho, co za poslední dobu zhlédli. Systém umožňuje výpočet podobnosti obsahu na základě požadovaných pravidel. V teoretické části práce jsou popsány informace o IPTV službách a existujících typech systémů pro doporučování obsahu. Návrh samotného systému a pravidel pro filtrování, programové řešení, testování systému a možnosti aplikace metod umělé inteligence jsou popsány v druhé, projektové části práce. Výsledkem této práce je plně funkční a otestovaný doporučovací systém, který umožňuje získávat doporučení pro uživatele a předávat tato doporučení systémům IPTV služby pro další zpracování.
Annotation in English
The aim of this diplomat thesis is to design and implement a recommendation system for IPTV service. The program RecTV was created with Go programming language and will be used for finding similarities of TV content. The system will recommend TV content to users according to what they had seen lately. System allows calculation of TV content similarities based on required rules. Information about IPTV services and existing types of content recommender systems is described in the theory part of this thesis. The project part describes design of such system and filtering features, software solution, system testing and possibilities of applying A.I. methods. The result of this work is fully functional and tested recommendation system that allows to procure recommendations for users and pass these recommendations to other IPTV service systems for further processing.
Keywords
Doporučovací systém, IPTV, doporučování, TV obsah, míra podobnosti, TF-IDF
Keywords in English
Recommendation engine, IPTV, recommending, TV content, similarity measure, TF-IDF
Research Plan
Vypracujte literární rešerši.
Analyzujte současný stav doporučování (mediálního) obsahu uživatelům v systému.
Navrhněte strukturu recommendation systému.
Vypracujte praktické řešení s cílem doporučení obsahu podle navržené struktury a pravidel.
Zvažte možnosti nasazení metod z paradigmatu A.I. s ohledem na systémové požadavky, výkon a přesnost aplikace.
Zhodnoťte přínosy navrženého systému a navrhněte další možná vylepšení.
Research Plan
Vypracujte literární rešerši.
Analyzujte současný stav doporučování (mediálního) obsahu uživatelům v systému.
Navrhněte strukturu recommendation systému.
Vypracujte praktické řešení s cílem doporučení obsahu podle navržené struktury a pravidel.
Zvažte možnosti nasazení metod z paradigmatu A.I. s ohledem na systémové požadavky, výkon a přesnost aplikace.
Zhodnoťte přínosy navrženého systému a navrhněte další možná vylepšení.
Recommended resources
VARGHESE, Shiju, 2015. Web Development with Go: Building Scalable Web Apps and RESTful Services. 1. Apress. ISBN 9781484210529.
FATI, Suliman Mohamed, Saiful AZAD a Al-Sakib Khan PATHAN. IPTV delivery networks: next generation architectures for live and video-on-demand services. Hoboken, NJ, USA: Wiley, 2018. ISBN 9781119397915.
GRUS, Joel. Data science from scratch. Sebastopol: O'Reilly, 2015, xvi, 311 s. ISBN 9781491901427.
Data science & big data analytics: discovering, analyzing, visualizing and presenting data. Indianapolis: Wiley, [2015], xviii, 410 s. ISBN 9781118876138.
GÉRON, Aurélien. Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems. Beijing: O'Reilly, [2017], xx, 545 s. ISBN 9781491962299.
Recommended resources
VARGHESE, Shiju, 2015. Web Development with Go: Building Scalable Web Apps and RESTful Services. 1. Apress. ISBN 9781484210529.
FATI, Suliman Mohamed, Saiful AZAD a Al-Sakib Khan PATHAN. IPTV delivery networks: next generation architectures for live and video-on-demand services. Hoboken, NJ, USA: Wiley, 2018. ISBN 9781119397915.
GRUS, Joel. Data science from scratch. Sebastopol: O'Reilly, 2015, xvi, 311 s. ISBN 9781491901427.
Data science & big data analytics: discovering, analyzing, visualizing and presenting data. Indianapolis: Wiley, [2015], xviii, 410 s. ISBN 9781118876138.
GÉRON, Aurélien. Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems. Beijing: O'Reilly, [2017], xx, 545 s. ISBN 9781491962299.
