Features of building recommendation systems based on neural network technology using multithreading
The article is devoted to the creation of a recommendation system for tourists regarding hotels using a neural network based on a multilayer perceptron. The work uses the mechanism of parallelization of the training sample of the neural network. To check the quality of the provided recommendations,...
Gespeichert in:
| Veröffentlicht in: | Проблеми програмування |
|---|---|
| Datum: | 2022 |
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | English |
| Veröffentlicht: |
Інститут програмних систем НАН України
2022
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/188652 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Features of building recommendation systems based on neural network technology using multithreading / N.O. Komleva, S.L. Zinovatna, V.V. Liubchenko, O.M. Komlevoi // Проблеми програмування. — 2022. — № 3-4. — С. 289-300. — Бібліогр.: 13 назв. — англ. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-188652 |
|---|---|
| record_format |
dspace |
| spelling |
Komleva, N.O. Zinovatna, S.L. Liubchenko, V.V. Komlevoi, O.M. 2023-03-11T07:40:51Z 2023-03-11T07:40:51Z 2022 Features of building recommendation systems based on neural network technology using multithreading / N.O. Komleva, S.L. Zinovatna, V.V. Liubchenko, O.M. Komlevoi // Проблеми програмування. — 2022. — № 3-4. — С. 289-300. — Бібліогр.: 13 назв. — англ. 1727-4907 DOI: https://doi.org/10.15407/pp2022.03-04.289 https://nasplib.isofts.kiev.ua/handle/123456789/188652 004:62-52:004.853 The article is devoted to the creation of a recommendation system for tourists regarding hotels using a neural network based on a multilayer perceptron. The work uses the mechanism of parallelization of the training sample of the neural network. To check the quality of the provided recommendations, the average absolute and root mean square errors, accuracy and completeness were used. The results of the experiments showed that when analyzing 10 html pages with descriptions of hotels, the metrics of root mean square error and accuracy gave the best results at 500,000 epochs of neural network training when using 8 processors. У статті розглянуто питання створення прикладного програмного забезпечення з використанням багатопотоковості. Розроблено рекомендаційну систему, призначену для надання рекомендацій туристам щодо готелів. Для створення рекомендацій побудовано модель оцінювання готелів, що описуються об’єктивними та суб’єктивними аспектами. До об’єктивних аспектів відносяться характеристики готелів, які можуть бути представлені у вигляді бінарного значення (наявність чи відсутність) чи кількісної оцінки характеристик готелю (кількість поверхів, площина тощо). Серед суб’єктивних характеристик найціннішими є текстові відгуки туристів, які аналізуються з визначенням певного емоційного забарвлення; відгук може бути класифікований як позитивний, нейтральний чи негативний. Розробку рекомендаційної системи виконано з використанням мови програмування Python та супутніх бібліотек en Інститут програмних систем НАН України Проблеми програмування Експертні та інтелектуальні інформаційні системи Features of building recommendation systems based on neural network technology using multithreading Особливості побудови рекомендаційних систем на основі технології нейронних мереж з використанням багатопотоковості Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Features of building recommendation systems based on neural network technology using multithreading |
| spellingShingle |
Features of building recommendation systems based on neural network technology using multithreading Komleva, N.O. Zinovatna, S.L. Liubchenko, V.V. Komlevoi, O.M. Експертні та інтелектуальні інформаційні системи |
| title_short |
Features of building recommendation systems based on neural network technology using multithreading |
| title_full |
Features of building recommendation systems based on neural network technology using multithreading |
| title_fullStr |
Features of building recommendation systems based on neural network technology using multithreading |
| title_full_unstemmed |
Features of building recommendation systems based on neural network technology using multithreading |
| title_sort |
features of building recommendation systems based on neural network technology using multithreading |
| author |
Komleva, N.O. Zinovatna, S.L. Liubchenko, V.V. Komlevoi, O.M. |
| author_facet |
Komleva, N.O. Zinovatna, S.L. Liubchenko, V.V. Komlevoi, O.M. |
| topic |
Експертні та інтелектуальні інформаційні системи |
| topic_facet |
Експертні та інтелектуальні інформаційні системи |
| publishDate |
2022 |
| language |
English |
| container_title |
Проблеми програмування |
| publisher |
Інститут програмних систем НАН України |
| format |
Article |
| title_alt |
Особливості побудови рекомендаційних систем на основі технології нейронних мереж з використанням багатопотоковості |
| description |
The article is devoted to the creation of a recommendation system for tourists regarding hotels using a neural network based on a multilayer perceptron. The work uses the mechanism of parallelization of the training sample of the neural network. To check the quality of the provided recommendations, the average absolute and root mean square errors, accuracy and completeness were used. The results of the experiments showed that when analyzing 10 html pages with descriptions of hotels, the metrics of root mean square error and accuracy gave the best results at 500,000 epochs of neural network training when using 8 processors.
У статті розглянуто питання створення прикладного програмного забезпечення з використанням багатопотоковості. Розроблено рекомендаційну систему, призначену для надання рекомендацій туристам щодо готелів. Для створення рекомендацій побудовано модель оцінювання готелів, що описуються об’єктивними та суб’єктивними аспектами. До об’єктивних аспектів відносяться характеристики готелів, які можуть бути представлені у вигляді бінарного значення (наявність чи відсутність) чи кількісної оцінки характеристик готелю (кількість поверхів, площина тощо). Серед суб’єктивних характеристик найціннішими є текстові відгуки туристів, які аналізуються з визначенням певного емоційного забарвлення; відгук може бути класифікований як позитивний, нейтральний чи негативний. Розробку рекомендаційної системи виконано з використанням мови програмування Python та супутніх бібліотек
|
| issn |
1727-4907 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/188652 |
| citation_txt |
Features of building recommendation systems based on neural network technology using multithreading / N.O. Komleva, S.L. Zinovatna, V.V. Liubchenko, O.M. Komlevoi // Проблеми програмування. — 2022. — № 3-4. — С. 289-300. — Бібліогр.: 13 назв. — англ. |
| work_keys_str_mv |
AT komlevano featuresofbuildingrecommendationsystemsbasedonneuralnetworktechnologyusingmultithreading AT zinovatnasl featuresofbuildingrecommendationsystemsbasedonneuralnetworktechnologyusingmultithreading AT liubchenkovv featuresofbuildingrecommendationsystemsbasedonneuralnetworktechnologyusingmultithreading AT komlevoiom featuresofbuildingrecommendationsystemsbasedonneuralnetworktechnologyusingmultithreading AT komlevano osoblivostípobudovirekomendacíinihsistemnaosnovítehnologííneironnihmerežzvikoristannâmbagatopotokovostí AT zinovatnasl osoblivostípobudovirekomendacíinihsistemnaosnovítehnologííneironnihmerežzvikoristannâmbagatopotokovostí AT liubchenkovv osoblivostípobudovirekomendacíinihsistemnaosnovítehnologííneironnihmerežzvikoristannâmbagatopotokovostí AT komlevoiom osoblivostípobudovirekomendacíinihsistemnaosnovítehnologííneironnihmerežzvikoristannâmbagatopotokovostí |
| first_indexed |
2025-11-27T10:47:18Z |
| last_indexed |
2025-11-27T10:47:18Z |
| _version_ |
1850852122585726976 |