Кафедра Інженерії Програмного Забезпечення та Кібербезпеки

Постійне посилання на фонд

https://ur.knute.edu.ua/handle/123456789/2024

Переглянути

Перегляд Кафедра Інженерії Програмного Забезпечення та Кібербезпеки за Автор "Кириняченка Ростислава Вадимовича"

Зараз показуємо 1 - 1 з 1
  • Ескіз недоступний
    Документ
    Веборієнтований додаток підбору відеоконтенту
    (DTEU, 2024-12) Кириняченка Ростислава Вадимовича
    Відповідно до мети дослідження, робота присвячена розробці веборієнтованого додатку для підбору відеоконтенту на основі сучасних методів рекомендаційних систем, зокрема із застосуванням штучного інтелекту. Випускна кваліфікаційна робота на тему «Веборієнтований додаток підбору відеоконтенту» містить 39 сторінок, 1 рисунок. Перелік використаних джерел налічує 26 найменувань. Було здійснено аналіз існуючих підходів до реалізації рекомендаційних систем у сфері відеоконтенту, таких як IMDb, Flixi, MovieLens, та досліджено проблеми, з якими стикаються сучасні системи, включаючи проблему "холодного старту", масштабованість, та суб'єктивність уподобань користувачів. У теоретичному розділі розглянуто основи колаборативної фільтрації, контент-орієнтованих підходів та гібридних моделей, а також проаналізовано використання штучного інтелекту та машинного навчання для підвищення точності рекомендацій. Відповідно до поставленої мети, розроблено веборієнтований додаток, який дозволяє користувачам отримувати рекомендації щодо вибору фільмів на основі їхніх вподобань. У результаті впровадження OpenAI API вдалося реалізувати механізм генерації запитів на основі природної мови, що спрощує взаємодію користувачів із системою та робить процес підбору відеоконтенту більш інтуїтивним. Архітектура додатку, побудована на основі Next.js, Prisma, PostgreSQL та інших сучасних технологій, забезпечує зручний інтерфейс користувача, високу продуктивність і можливість масштабування. Ключові слова: рекомендаційні системи, відеоконтент, штучний інтелект, машинне навчання, Next.js, PostgreSQL, OpenAI API. According to the purpose of the study, the work is devoted to the development of a web-oriented application for video content selection based on modern methods of recommender systems, in particular, using artificial intelligence. The final qualification work on the topic “Web-oriented application for video content selection” contains 39 pages, 1 figure. The list of references includes 26 titles. An analysis of existing approaches to the implementation of recommender systems in the field of video content, such as IMDb, Flixi, MovieLens, was carried out, and the problems faced by modern systems, including the problem of “cold start”, scalability, and subjectivity of user preferences, were investigated. The theoretical section discusses the basics of collaborative filtering, content-based approaches, and hybrid models, and analyzes the use of artificial intelligence and machine learning to improve the accuracy of recommendations. In accordance with this goal, a web-based application was developed that allows users to receive movie recommendations based on their preferences. As a result of the OpenAI API implementation, we managed to implement a natural language query generation mechanism that simplifies user interaction with the system and makes the video content selection process more intuitive. The application architecture, built on the basis of Next.js, Prisma, PostgreSQL, and other modern technologies, provides a user-friendly interface, high performance, and scalability. Keywords: recommender systems, video content, artificial intelligence, machine learning, Next.js, PostgreSQL, OpenAI API.