Probabilistic Models for Recommender Systems

• Název práce v češtině: Pravděpodobnostní modely pro doporučovací systémy
• Název v anglickém jazyce: Probabilistic Models for Recommender Systems
• Klíčová slova: strojové učení|pravděpodobnostní modely|doporučovací systémy
• Klíčová slova anglicky: Machine learning|Probabilistic models|Recommender system|Topic models
• Akademický rok vypsání: 2020/2021
• Typ práce: diplomová práce
• Jazyk práce: angličtina
• Ústav: Katedra teoretické informatiky a matematické logiky (32-KTIML)
• Vedoucí / školitel: Mgr. Marta Vomlelová, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 13.10.2020
• Datum zadání: 24.11.2020
• Datum potvrzení stud. oddělením: 08.12.2020
• Datum a čas obhajoby: 07.09.2022 09:00
• Datum odevzdání elektronické podoby: 15.06.2022
• Datum odevzdání tištěné podoby: 24.07.2022
• Datum proběhlé obhajoby: 07.09.2022
• Oponenti: Mgr. Ladislav Peška, Ph.D.

Zásady pro vypracování

The student should study the Collaborative Topic Model for Poisson distributed ratings [1] and train a similar model on the extended Movielense dataset. He will consider to improve the training algorithm according the [2] and/or to test the performance of the model on different datasets (for example the Netflix data).

Seznam odborné literatury

[1] Hoa M. Le, Son Ta Cong, Quyen Pham The, Ngo Van Linh, Khoat Than, Collaborative Topic Model for Poisson distributed ratings, International Journal of Approximate Reasoning, Volume 95, 2018, Pages 62-76, ISSN 0888-613X, https://doi.org/10.1016/j.ijar.2018.02.001.

[2] X. Bui, H. Vu, O. Nguyen and K. Than, "MAP Estimation With Bernoulli Randomness, and Its Application to Text Analysis and Recommender Systems," in IEEE Access, vol. 8, pp. 127818-127833, 2020, doi: 10.1109/ACCESS.2020.3008534.