Framework Supporting Online Evaluation of Recommender Systems

Abstract

Touto prací se snažíme vyzdvihnout důležitost online evaluace pro testování doporučovacích systémů. Nejprve se podíváme na metody a způsoby, jakými moderní doporučovací systémy fungují. Také uvedeme, jak jsou porovnávány jak v online, tak v offline prostředích. S pomocí těchto znalostí si dáváme za cíl vytvořit .NET framework, který bude schopen sledovat různé doporučovací systémy a jehož cílem bude měření a porovnávání jejich výkonu během online provozu. Na ukázku funkcionality tohoto frameworku s jeho pomocí vytvoříme maketu online filmové databáze, kde uživatelé mohou hodnotit filmy a získávat doporučení.

This work aims to highlight the importance of online evaluation for the testing of recommender systems. Firstly, we will look at the methods and the ways modern recommender systems operate. We will also introduce how they are compared both in online and offline settings. With this knowledge, we aim to build a .NET framework capable of tracking the various recommender systems for the purpose of measuring and comparing their performance during online use. To showcase the functionality of this framework, we use it to create a mock-up of an online movie database, where users can rate movies and receive movie recommendations.