Evaluation of Recommender System
Recommender System (RS) has become one of the most important component for many companies, such as YouTube and Amazon. A recommender system consists of a series of algorithms which predict and recommend products to users. This report covers the selection of many open source recommender system projec...
Main Author: | |
---|---|
Format: | Others |
Language: | English |
Published: |
KTH, Data- och elektroteknik
2016
|
Subjects: | |
Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-188529 |
id |
ndltd-UPSALLA1-oai-DiVA.org-kth-188529 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-UPSALLA1-oai-DiVA.org-kth-1885292018-01-11T05:11:56ZEvaluation of Recommender SystemengUtvärdering av rekommendationssystemDing, ChristoferKTH, Data- och elektroteknik2016Recommender systemsingular value decompositionprecisionrecommendation accuracyRekommendationssystemsingulärvärdesuppdelningprecisionrekommendations noggrannhetComputer EngineeringDatorteknikRecommender System (RS) has become one of the most important component for many companies, such as YouTube and Amazon. A recommender system consists of a series of algorithms which predict and recommend products to users. This report covers the selection of many open source recommender system projects, and movie predictions are made using the selected recommender system. Based on the predictions, a comparison was made between precision and an improved precision algorithm. The selected RS uses singular value decomposition in the field of collaborative filtering. Based on the recommendation results produced by the RS, the comparison between precision and the improved precision algorithms showed that the result of improved precision is slightly higher than precision in different cutoff values and different dimensions of eigenvalues. Rekommendationssystem har blivit en av de viktigaste beståndsdelar för många företag, såsom YouTube och Amazon. Ett rekommendationssystem består av en serie av algoritmer som förutsäger och rekommenderar produkter till användare. Denna rapport omfattar valet av många öppen källkod rekommendationssystem projekt, och filmprognoser görs med det valda rekommendationssystemet. Baserat på filmprognoser, gjordes en jämförelse mellan precision och en förbättrad precision algoritmer. Det valda rekommendationssystemet använder singulärvärdesuppdelning som kollaborativ filtrering. Baserat på rekommendationsresultat som produceras av rekommendationssystemet, jämförelsen mellan precision och den förbättrade precisions algoritmer visade att resultatet av förbättrad precision är något högre än precision i olika brytvärden och olika dimensioner av egenvärden. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-188529TRITA-STH ; 2016:51application/pdfinfo:eu-repo/semantics/openAccess |
collection |
NDLTD |
language |
English |
format |
Others
|
sources |
NDLTD |
topic |
Recommender system singular value decomposition precision recommendation accuracy Rekommendationssystem singulärvärdesuppdelning precision rekommendations noggrannhet Computer Engineering Datorteknik |
spellingShingle |
Recommender system singular value decomposition precision recommendation accuracy Rekommendationssystem singulärvärdesuppdelning precision rekommendations noggrannhet Computer Engineering Datorteknik Ding, Christofer Evaluation of Recommender System |
description |
Recommender System (RS) has become one of the most important component for many companies, such as YouTube and Amazon. A recommender system consists of a series of algorithms which predict and recommend products to users. This report covers the selection of many open source recommender system projects, and movie predictions are made using the selected recommender system. Based on the predictions, a comparison was made between precision and an improved precision algorithm. The selected RS uses singular value decomposition in the field of collaborative filtering. Based on the recommendation results produced by the RS, the comparison between precision and the improved precision algorithms showed that the result of improved precision is slightly higher than precision in different cutoff values and different dimensions of eigenvalues. === Rekommendationssystem har blivit en av de viktigaste beståndsdelar för många företag, såsom YouTube och Amazon. Ett rekommendationssystem består av en serie av algoritmer som förutsäger och rekommenderar produkter till användare. Denna rapport omfattar valet av många öppen källkod rekommendationssystem projekt, och filmprognoser görs med det valda rekommendationssystemet. Baserat på filmprognoser, gjordes en jämförelse mellan precision och en förbättrad precision algoritmer. Det valda rekommendationssystemet använder singulärvärdesuppdelning som kollaborativ filtrering. Baserat på rekommendationsresultat som produceras av rekommendationssystemet, jämförelsen mellan precision och den förbättrade precisions algoritmer visade att resultatet av förbättrad precision är något högre än precision i olika brytvärden och olika dimensioner av egenvärden. |
author |
Ding, Christofer |
author_facet |
Ding, Christofer |
author_sort |
Ding, Christofer |
title |
Evaluation of Recommender System |
title_short |
Evaluation of Recommender System |
title_full |
Evaluation of Recommender System |
title_fullStr |
Evaluation of Recommender System |
title_full_unstemmed |
Evaluation of Recommender System |
title_sort |
evaluation of recommender system |
publisher |
KTH, Data- och elektroteknik |
publishDate |
2016 |
url |
http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-188529 |
work_keys_str_mv |
AT dingchristofer evaluationofrecommendersystem AT dingchristofer utvarderingavrekommendationssystem |
_version_ |
1718604354494136320 |