Cílem práce je analýza běžné známých doporučovacích algoritmů a jejich využití v e-commerce. Tento výzkum poskytuje přehled o současném stavu oboru, pokud jde o využití doporučovacích systémů v e-shopech a na streamovacích platformách. V práce se použity široce používané doporučovací systémy, jako jsou Kolaborativní Filtrovaní, Content-Based Filtrovaní, and Hybridní filtrovaní. Zde jsou uvedeny teoretická východiska výše uvedených systémů, jakož i jejich problematika, jedinečné vlastnosti, reálné aplikace a jejich rozdíly. Výsledkem praktické části je kolaborativní doporučovací algoritmus napsaný v jazyce Python autorkou této práce se zaměřením na přesnost a efektivitu, s použitím kterého byli udělaný finální doporučeni filmů při uzívaní data setu MovieLens 10M.
Anotace v angličtině
The purpose of the bachelor thesis is to analyse common known recommendation algorithms and their applications in E-Commerce. This research provides an overview of the current state of the field as for the usage of recommendation systems by electronic commerce, in other words, online shopping facilities and streaming services. The study investigates three widely used recommendation systems such as Collaborative Filtering, Content-Based Filtering, and Hybrid recommendation system. The theoretical basis of the aforementioned systems, as well as their problematics, unique features, real-life applications and their differences are presented. The result of the empirical part is a conclusion of utilising the chosen database using a recommendation algorithm written in Python by the author of this thesis with a focus on accuracy and efficiency.
Cílem práce je analýza běžné známých doporučovacích algoritmů a jejich využití v e-commerce. Tento výzkum poskytuje přehled o současném stavu oboru, pokud jde o využití doporučovacích systémů v e-shopech a na streamovacích platformách. V práce se použity široce používané doporučovací systémy, jako jsou Kolaborativní Filtrovaní, Content-Based Filtrovaní, and Hybridní filtrovaní. Zde jsou uvedeny teoretická východiska výše uvedených systémů, jakož i jejich problematika, jedinečné vlastnosti, reálné aplikace a jejich rozdíly. Výsledkem praktické části je kolaborativní doporučovací algoritmus napsaný v jazyce Python autorkou této práce se zaměřením na přesnost a efektivitu, s použitím kterého byli udělaný finální doporučeni filmů při uzívaní data setu MovieLens 10M.
Anotace v angličtině
The purpose of the bachelor thesis is to analyse common known recommendation algorithms and their applications in E-Commerce. This research provides an overview of the current state of the field as for the usage of recommendation systems by electronic commerce, in other words, online shopping facilities and streaming services. The study investigates three widely used recommendation systems such as Collaborative Filtering, Content-Based Filtering, and Hybrid recommendation system. The theoretical basis of the aforementioned systems, as well as their problematics, unique features, real-life applications and their differences are presented. The result of the empirical part is a conclusion of utilising the chosen database using a recommendation algorithm written in Python by the author of this thesis with a focus on accuracy and efficiency.
Cílem práce bude analýza známých doporučovacích algoritmů používaných u různých ecommerce aplikací. Hodnocení bude založeno na práci se zvolenou databází. Bude analýzována přesnost a efekt jejich jednotlivých parametrů. Práce bude obsahovat závěry a doporučení k aplikaci zvolených doporučovacích systémů.
Metodický postup:
Studium odborné literatury.
Úvod do problematiky doporučujících systémů.
Teoretický popis jednotlivých přístupů a jejich použití.
Doporučení pro aplikaci v různých případech.
Zhodnocení a možnosti dalšího vývoje.
Zásady pro vypracování
Cílem práce bude analýza známých doporučovacích algoritmů používaných u různých ecommerce aplikací. Hodnocení bude založeno na práci se zvolenou databází. Bude analýzována přesnost a efekt jejich jednotlivých parametrů. Práce bude obsahovat závěry a doporučení k aplikaci zvolených doporučovacích systémů.
Metodický postup:
Studium odborné literatury.
Úvod do problematiky doporučujících systémů.
Teoretický popis jednotlivých přístupů a jejich použití.
Doporučení pro aplikaci v různých případech.
Zhodnocení a možnosti dalšího vývoje.
Seznam doporučené literatury
Aggarwal, Ch. C. (2016). Recommender Systems. Springer.
Balas, V. E., Chakrabarti, A., & Sharma, N. (2016). Advances in Computing Applications. Imprint: Springer.
Bokde, D., Girase, S., & Mukhopadhyay, D. (2015). Matrix Factorization Model in Collaborative Filtering Algorithms: A Survey. Procedia Computer Science. Dostupné z:
Seznam doporučené literatury
Aggarwal, Ch. C. (2016). Recommender Systems. Springer.
Balas, V. E., Chakrabarti, A., & Sharma, N. (2016). Advances in Computing Applications. Imprint: Springer.
Bokde, D., Girase, S., & Mukhopadhyay, D. (2015). Matrix Factorization Model in Collaborative Filtering Algorithms: A Survey. Procedia Computer Science. Dostupné z: