Інтелектуальна система рекомендацій мультимедійного контенту

Abstract

Об’єктом роботи є процеси персоналізованого підбору мультимедійного контенту на основі аналізу вподобань користувачів. Предметом роботи є методи та алгоритми побудови інтелектуальних рекомендаційних систем у мультимедійному середовищі. Метою роботи є розробка інтелектуальної вебсистеми персоналізованого добору фільмів, музичних треків і відеоігор з механізмом порівняння смаків користувачів. Методи роботи: контентно-орієнтована фільтрація, семантичний аналіз на основі векторних представлень, інтеграція великих мовних моделей. У першому розділі проаналізовано предметну сферу рекомендаційних систем та існуючі платформи-аналоги, сформульовано постановку задачі. У другому розділі досліджено методи фільтрації, метрики подібності та засоби обробки мультимедійних даних. У третьому розділі представлено проєктування та реалізацію вебсистеми з модулями рекомендацій і профілювання користувачів та проведено аналіз якості алгоритмів. У четвертому розділі наведено керівництво користувача та проведено функціональне, інтеграційне і тестування продуктивності системи. Розроблена система інтегрує фільми, музику та відеоігри в єдину екосистему персоналізованих рекомендацій із соціальним порівнянням смаків та генерацією пояснень на основі штучного інтелекту. Систему реалізовано у вигляді повноцінного вебзастосунку, готового до розгортання як самостійна платформа персоналізованих рекомендацій мультимедійного контенту. Результати роботи можуть бути використані для впровадження у відкритих сервісах та як основа для подальших досліджень крос-доменних рекомендаційних систем. Загальний обсяг роботи – 96 сторінок. Кваліфікаційна робота містить 19 таблиць, 24 рисунки, 37 посилань та 6 додатків. The object of the study is the processes of personalized selection of multimedia content based on user preference analysis. The subject of the study is the methods and algorithms for building intelligent recommendation systems in a multi-category environment. The aim of the work is to develop an intelligent web system for personalized selection of films, music tracks, and video games with a mechanism for comparing user tastes. Research methods: content-based filtering, semantic analysis based on vector representations, integration of large language models. The first section analyzes the subject area of recommendation systems and existing analogous platforms, and formulates the problem statement. The second section examines filtering methods, similarity metrics, and multimedia data processing tools. The third section presents the design and implementation of the web system with recommendation and user profiling modules, and conducts an analysis of algorithm quality. The fourth section provides a user guide and performs functional, integration, and performance testing of the system. The developed system integrates films, music, and video games into a unified ecosystem of personalized recommendations with social taste comparison and AI-based explanation generation. The system is implemented as a fully functional web application ready for deployment as a standalone personalized multimedia content recommendation platform. The results of the work can be used for implementation in open services and as a basis for further research into cross-domain recommendation systems. The overall scope of the work is 96 pages. The qualification work contains 19 tables, 24 figures, 37 references and 6 appendices.