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.
Anotace v angličtině
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.
Klíčová slova
Doporučovací systém, IPTV, doporučování, TV obsah, míra podobnosti, TF-IDF
Klíčová slova v angličtině
Recommendation engine, IPTV, recommending, TV content, similarity measure, TF-IDF
Rozsah průvodní práce
57
Jazyk
CZ
Anotace
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.
Anotace v angličtině
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.
Klíčová slova
Doporučovací systém, IPTV, doporučování, TV obsah, míra podobnosti, TF-IDF
Klíčová slova v angličtině
Recommendation engine, IPTV, recommending, TV content, similarity measure, TF-IDF
Zásady pro vypracování
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.
Zásady pro vypracování
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.
Seznam doporučené literatury
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.
Seznam doporučené literatury
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.
Přílohy volně vložené
-
Přílohy vázané v práci
-
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Student nejprve seznámil komisi s výsledky své diplomové práce. Poté byly prezentovány posudky vedoucího a oponenta. Následně byla vedena rozprava,
během které byly položeny následující otázky a komentáře:
Oceňuji aktivní přístup k řešenému problému. Pozitivně dále hodnotím
vyvážený obsah práce, a dále nadstandardní spolupráci s vedoucím práce, pravidelný reporting a
revize veškerých dílčích připomínek. Minoritními negativy jsou (především díky epidemiologické
situaci) nemožnost otestování a konzultování nasazení sofistikovanějších inteligentních technik a
drobné formání chybičky v textu. I přesto však práci celkově hodnotím velmi pozitivně jako
ucelený funkční koncept pro budoucí možný rozvoj a testování. (doc. Šenkeřík)
Riešený problém je komplexný a výsledná matica podobností titulov je závislá od správneho
nastavenia váh jednotlivých vstupných parametrov. Študent dokázal túto úlohu správne pochopiť,
analyzovať a implementovať do funkčného výstupu. Výsledné softvérové dielo RecTV je funkčný
program, ktorý funguje ako server poskytujúci požadované informácie. V práci študent píše, že vo firme pre ktorú vytváral produkt RecTV neexistuje automatický systém
doporučovania obsahu. Z tohoto dôvodu môžem tvrdiť, že prínos študenta je značný, pretože
vychádzal z existujúcej štruktúry databázy a výstup systému je kompatibilný s formátom údajov
používaných vo firme. Aké boli rozdiely vo výslednej matici pri nevhodne, resp. náhodne zvolených váh oproti
výsledkom, kde boli hodnoty váh zvolené optimálne? V kapitole 6.3 Výsledky testovania uvádzate najvyššia priemerná úspešnosť systému 38.2%. Čo
tento údaj znamená? V práci (kap. 5.2) tvrdíte, že používate na výpočet podobnosti kosínusovú podobnosť.
Demonštrujte použitie tejto metódy pre výpočet podobnosti titulov na základe hercov alebo
kľúčových slov. (dr. Ďuďák)
Uvažoval jste, že byste zařadil do vašeho řešení seznam penalizačních slov? (dr. Janků)
Kolik pořadů mi to doporučí? Je to řízené nebo si to mohu zvolit sám? Standardně dáváte kolik pořadů? Aktualizace doporučení proběhne po každém přehrán nebo jak často probíhá? Co znamená optimální matice vah, jakou optimalizační metodu jste použil? (doc. Chramcov)
Student reagoval a všechny dotazy zodpověděl.