Books Recommender System via Linked Open Data
Doporučovací systém pro knihy založený na Linked Open Datech
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/86162Identifikátory
SIS: 180192
Kolekce
- Kvalifikační práce [10932]
Autor
Vedoucí práce
Oponent práce
Škoda, Petr
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Softwarové a datové inženýrství
Katedra / ústav / klinika
Katedra softwarového inženýrství
Datum obhajoby
20. 6. 2017
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Velmi dobře
Klíčová slova (česky)
Doporučovací systémy, sémantický web, uživatelské preference, linked open data, knihyKlíčová slova (anglicky)
recommender systems, semantical web, user preferences, linked open data, booksTato bakalářská práce se zaměřuje na použití metod doporučovacích systémů společně s Open Linked Data v doméně knih. Po důkladné analýze vícero dos- tupných zdrojů otevřených dat bylo usouzeno, že data dostatečné velikosti a kval- ity již existují. Po rozboru struktury těchto dat byl na základě získaných informací ze zdroje Wikidata vytvořen doporučovací systém ve formě webové aplikace. De- sign aplikace umožňuje rozšíření o další zdroje otevřených dat. Byl použit nový přístup pro generování doporučení, který využívá vícejazyčných tagů vytěžených z Wikipedie. Ukázali jsme, že je opravdu možné použít doporučovací systémy společně s Open Linked Data, ale díky zvýšené řídkosti dat je potřeba upravit standardní metody doporučovacích algoritmů odpovídajícím způsobem.
This thesis focuses on using recommender system's methods on Linked Open Data in a domain of books. After thorough analysis of multiple available Linked Open Data sets, we have concluded that data sets of sufficient size and quality already exist. Together with careful analysis of the structure and quality of the data, recommender system web application has been developed based on retrieved data from a Wikidata endpoint. The application design allows an incorporation of data from multiple sources. A novel approach for generating recommendations utilizing multi language tags extracted from Wikipedia was used. We have shown that it is possible and viable to use recommender systems on top of the Linked Open Data, but the common recommender system's algorithms have to be modified in order to deal with a huge amount of sparsity in the data.