Рекомендаційна система підбору рецептів із використанням штучного інтелекту

Abstract

Магістерська кваліфікаційна робота виконана студентом групи КНСШ-23 Кухаром Ярославом Романовичем. Тема: “Рекомендаційна система підбору рецептів із використанням штучного інтелекту”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процес реалізації та проектування програмного продукту для вирішення задачі, що полягає в розробці рекомендаційної системи. Предметом дослідження є методи і засоби машинного навчання для реалізації даного програмного продукту. Щоб досягти поставленої цілі, були використані два датасети: рецепти та відгуки. Висвітлено етапи аналізу та попередньої обробки даних, наголошено на важливості методів фільтрації та адаптації створених моделей. Представлено оцінку ефективності методів і моделей, зокрема KNN, SVM і Random Forest, у контекстах фільтрації на основі вмісту та спільної фільтрації. Результатими даного дослідження було підтверджено потенціал ШІ у контексті рекомендаційних систем, що закладає основу для подальших етапів навчання моделей, оптимізації та створення надійної та орієнтованої на користувача системи рекомендацій рецептів. Поєднання ретельних досліджень, комплексного аналізу та оцінки моделі позиціонує цю роботу як цінний ресурс у сфері штучного інтелекту та систем кулінарних рекомендацій. Загальний обсяг роботи: 68 сторінки, 28 рисунків, 21 посилання. The master's qualification work was completed by the student of the group CSAI-23, Kukhar Yaroslav Romanovych. Topic: "Recommendation system for selection of recipes by using artificial intelligence". The work is aimed at obtaining a master's degree in the specialty 122 "Computer Science". The object of research is the process of implementing and designing a software product to solve the problem of developing a recommendation system. The subject of research is advanced methods and means of machine learning for the implementation of this software product. To achieve this goal, two datasets were used: recipes and reviews. The stages of data analysis and pre-processing are highlighted, the importance of filtering methods and adaptation of created models is emphasized. An evaluation of the performance of methods and models, including KNN, SVM, and Random Forest, in the contexts of content-based filtering and collaborative filtering is presented. The results of this study confirmed the potential of AI in the context of recommender systems, which lays the foundation for further stages of model training, optimization, and creation of a reliable and user-oriented recipe recommendation system. The combination of thorough research, comprehensive analysis, and model evaluation positions this work as a valuable resource in the field of artificial intelligence and culinary recommendation systems. Total scope of work: 68 pages, 28 figures, 21 references.