Система рекомендацій щодо перегляду ютуб-відео на основі коментарів

Abstract

YouTube є однією з найпопулярніших платформ для перегляду відео в світі. Кожен день на YouTube публікуються мільйони нових відео, і користувачі часто стикаються з проблемою вибору, яке відео переглянути. Рекомендаційні системи є одним із способів вирішення цієї проблеми. Вони використовують дані про перегляди, оцінки та інші фактори, щоб пропонувати користувачам відео, які вони, ймовірно, оцінять. Одним із потенційних джерел даних для рекомендаційних систем є коментарі до відео. Коментарі можуть містити інформацію про те, що користувачі думають про відео, що їм подобається та що вони хочуть бачити в майбутньому. Розробка системи рекомендацій на основі коментарів є актуальною проблемою, оскільки вона має такі переваги: • Коментарі є більш інформативними, ніж інші джерела даних, такі як перегляди та оцінки. Коментарі можуть містити інформацію про те, що користувачі думають про відео, які у них виникають асоціації з відео, а також про те, що вони хочуть бачити в майбутньому. • Коментарі можуть бути використані для розробки більш персоналізованих рекомендацій. Система рекомендацій на основі коментарів може враховувати індивідуальні інтереси користувача, використовуючи інформацію про те, які теми та ідеї він обговорює в своїх коментарях. Метою цієї роботи є розробка системи рекомендацій щодо перегляду YouTube-відео на основі коментарів. Система буде використовувати дані про коментарі до відео, щоб пропонувати користувачам відео, які вони, ймовірно, оцінять. Для досягнення поставленої мети вирішено такі завдання: • Вивчено теоретичні основи рекомендаційних систем, зокрема, методи обробки даних про коментарі та алгоритми, які можуть бути використані для розробки системи рекомендацій на основі коментарів. • Проведено аналіз існуючих систем рекомендацій на основі коментарів. • Розробено систему рекомендацій на основі коментарів. • Протестовано розроблену систему на реальних даних про відео та коментарі. За результатами роботи було розроблено систему рекомендацій щодо перегляду YouTube-відео на основі коментарів. Система використовує дані про коментарі до відео, щоб проаналізувати користувачам відео. Система буде відрізнятися від існуючих систем рекомендацій на основі коментарів використанням нових методів обробки даних про коментарі та алгоритмів. У подальших дослідженнях можна розглянути напрямки: • Розробка нових алгоритмів машинного навчання, які будуть враховувати такі фактори, як індивідуальні інтереси користувачів, а також контекст, в якому користувачі дивляться відео. • Інтеграція з іншими платформами, наприклад, з соціальними мережами та платформами електронної комерції. Це дозволить системі рекомендацій отримувати більше інформації про користувачів і пропонувати їм більш персоналізовані рекомендації. • Використання більш складних методів обробки даних Об'єктом дослідження є процес, за допомогою якого користувачі YouTube вибирають відео для перегляду. Предметом дослідження є реакція та відгуки користувачів на відео, які вони переглядають. На основі цієї інформації було розроблено рекомендації щодо того, чи варто користувачам переглядати дане відео. Наукова новизна дослідження полягає в тому, що воно вперше поєднує аналіз коментарів та реакцій користувачів з метою покращення системи. Результатом дослідження стане система, яка надаватиме рекомендації щодо доцільності перегляду вибраного відео. Цю програму можна розширити, щоб в майбутньому використовувати для площадок, наприклад, Netflix, Facebook та інших платформах потокового відео. Із зростанням кількості контенту на платформі YouTube, забезпечення ефективного і персоналізованого досвіду перегляду стає великим завданням для користувачів. У зв'язку з цим, розробка та впровадження системи рекомендацій, яка враховує коментарі користувачів, стає актуальною та важливою задачею. Система рекомендацій на основі коментарів може допомогти користувачам знаходити цікавий і актуальний контент. Це може призвести до підвищення задоволеності користувачів платформою YouTube і збільшити час, який вони проводять на платформі. У цілому, система рекомендацій на основі коментарів до відео є перспективним підходом до покращення якості рекомендацій на платформах потокового відео. Такі системи мають потенціал для того, щоб допомогти користувачам знаходити цікавий і актуальний контент, що може призвести до підвищення задоволеності користувачів платформою і збільшити час, який вони проводять на платформі.YouTube is one of the most popular video platforms worldwide. Every day, millions of new videos are uploaded to YouTube, and users often face the challenge of choosing which video to watch. Recommendation systems are one way to address this issue. They use data on views, ratings, and other factors to suggest videos that users are likely to enjoy. One potential source of data for recommendation systems is video comments. Comments can provide information about what users think about a video, what they like, and what they would like to see in the future. The development of a recommendation system based on comments is a relevant problem because it offers several advantages: • Comments are more informative than other data sources, such as views and ratings. They can contain information about what users think about a video, associations they have with the video, and what they want to see in the future. • Comments can be used to develop more personalized recommendations. A comment-based recommendation system can take into account individual user interests by analyzing the topics and ideas they discuss in their comments. The purpose of this work is to develop a recommendation system for YouTube video viewing based on comments. The system will use data on video comments to suggest videos that users are likely to enjoy. To achieve this goal, the following tasks were addressed: • Studied the theoretical foundations of recommendation systems, including methods for processing comment data and algorithms that can be used to develop a comment-based recommendation system. • Analyzed existing comment-based recommendation systems. • Developed a recommendation system based on comments. • Tested the developed system on real video and comment data. As a result of this work, a recommendation system for YouTube video viewing based on comments was developed. The system uses comment data to analyze videos for users. The system will stand out from existing comment-based recommendation systems by using new methods of comment data processing and algorithms. Further research directions could include: • Developing new machine learning algorithms that consider factors such as individual user interests and the context in which users view videos. • Integrating with other platforms, such as social networks and e-commerce platforms. This would allow the recommendation system to obtain more information about users and provide more personalized recommendations. • Using more sophisticated data processing methods. The object of the research is the process by which YouTube users choose videos to watch. The subject of the research is the reaction and feedback of users to the videos they watch. Based on this information, recommendations were developed regarding whether it is worth watching a particular video. The scientific novelty of the research lies in its first-time combination of comment and user reaction analysis to improve the system. The result of the research will be a system that provides recommendations regarding the advisability of watching a selected video. This program can be expanded in the future for use on platforms such as Netflix, Facebook, and other streaming video platforms. With the increasing amount of content on the YouTube platform, ensuring an effective and personalized viewing experience becomes a significant challenge for users. Therefore, the development and implementation of a recommendation system that takes into account user comments become a relevant and important task. A comment-based recommendation system can help users find interesting and relevant content. This may lead to increased user satisfaction with the YouTube platform and an increase in the time they spend on the platform. In conclusion, a comment-based recommendation system for video content on YouTube is a promising approach to improving the quality of recommendations on streaming video platforms. Such systems have the potential to help users find interesting and relevant content, ultimately leading to increased user satisfaction and engagement with the platform.