Кафедра "Комп'ютерна інженерія та програмування"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/1095

Офіційний сайт кафедри https://web.kpi.kharkov.ua/cep

Від 26 листопада 2021 року кафедра має назву – "Комп’ютерна інженерія та програмування"; попередні назви – “Обчислювальна техніка та програмування”, “Електронні обчислювальні машини”, первісна назва – кафедра “Математичні та лічильно-вирішальні прилади та пристрої”.

Кафедра “Математичні та лічильно-вирішальні прилади та пристрої” заснована 1 вересня 1961 року. Організатором та її першим завідувачем був професор Віктор Георгійович Васильєв.

Кафедра входить до складу Навчально-наукового інституту комп'ютерних наук та інформаційних технологій Національного технічного університету "Харківський політехнічний інститут". Перший випуск – 24 інженери, підготовлених кафедрою, відбувся в 1964 році. З тих пір кафедрою підготовлено понад 4 тисячі фахівців, зокрема близько 500 для 50 країн світу.

У складі науково-педагогічного колективу кафедри працюють: 11 докторів технічних наук, 21 кандидат технічних наук, 1 – економічних, 1 – фізико-математичних, 1 – педагогічних, 1 доктор філософії; 9 співробітників мають звання професора, 14 – доцента, 2 – старшого наукового співробітника.

Переглянути

Фільтри

2018 - 20203

Налаштування

Ключові слова: search.filters.subject.колаборативна фільтрація

Результати пошуку

Зараз показуємо 1 - 3 з 3
  • Ескіз
    Документ
    Дослідження методів побудови рекомендаційних систем в мережі інтернет
    (Полтавський національний технічний університет ім. Юрія Кондратюка, 2018) Мелешко, Є. В.; Семенов, Сергій Геннадійович; Хох, В. Д.
    У роботі розглянуті основні види рекомендаційних систем у мережі Інтернет, засновані на методах контентної та колаборативної фільтрації. Розглянуто способи збору даних про користувачів з веб-ресурсів, необхідні для формування рекомендацій. Досліджено методи побудови класифікаторів для контентної фільтрації. Також досліджено способи обчислення коефіцієнту подібності користувачів або об’єктів у колаборативній фільтрації.
  • Ескіз
    Документ
    The improved model of user similarity coefficients computation for recommendation systems
    (Національний технічний університет "Харківський політехнічний інститут", 2020) Meleshko, Yelyzaveta; Drieiev, Oleksandr; Al-Oraiqat, Anas Mahmoud
    The subject matter of the article is a model of calculating the user similarity coefficients of the recommendation systems. The urgency of the development is determined by the need to improve the quality of recommendation systems by adapting the time characteristics to possible changes in the similarity coefficients of users. The goal is the development of the improved model of user similarity coefficients calculation for recommendation systems to optimize the time of forming recommendation lists. The tasks to be solved are: to investigate the probability of changing user preferences of a recommendation system by comparing their similarity coefficients in time, to investigate which distribution function describes the changes of similarity coefficients of users in time. The methods used are: graph theory, probability theory, radioactivity theory, algorithm theory. Conclusions.In the course of the researches, the modelof user similarity coefficients calculating for the recommendation systems has been improved. The model differs from the known ones in that it takes into account the recalculation period of similarity coefficients for the individual user and average recalculation period of similarity coefficients for all users of the system or a specific group of users. The software has been developed, in which a series of experiments was conducted to test the effectiveness of the developedmethod. The conducted experiments showed that the developed method in general increases the quality of the recommendation system without significant fluctuations of Precision and Recall of the system. Precision and Recall can decrease slightly or increase, depending on the characteristics of the incoming data set. The use of the proposed solutions will increase the application period of the previously calculated similarity coefficients of users for the prediction of preferences without their recalculation and, accordingly, it will shortenthe time of formation and issuance of recommendation lists up to 2 times.
  • Ескіз
    Документ
    Method of generating recommendations lists with considering activity indexes of users in a recommendation system
    (Національний технічний університет "Харківський політехнічний інститут", 2019) Meleshko, Ye.
    The subject matter of the article is the process of generating recommendations lists for users of a recommendation system.The goalis to develop a new method of building recommender systems to improve the quality of recommendations lists, increase user space coverage and item space coverage with considering information about user activity indexes; develop-ment of a hybrid of this method with the method of collaborative filtering. The tasks to be solved are: to develop the method of building recommendation systems based on considering activity indexes of users, develop software to test this method, conduct experiments with the developed software to test the effectiveness of the developed method, determine the quality of its work and compare this method with the standard method of collaborative filtering. The methodsused are: graph theory, mathematical statistics, the theory of algorithms, object-oriented programming. The following results were obtained: the expert-oriented method for building recommender systems based on considering indexes of user activity and calculating expert coefficients has been developed, the hybrid of this method with the collaborativefiltering method has been developed, software for implementing this method and this hybrid has been developed, experiments with developed software to test the developed method and the hybrid has been conducted. Conclusions. The possibility of using information about user activity in recommender systems to improve the quality of recommendations lists has been investigated. The calculation of expert coefficients is proposed to supplement the similarity coefficients in recommender systems. An expert-oriented method for constructing recommender systems based on considering activity indexes of users and its hybrid with collaborative filtering has been developed. Experiments has been conducted with the developed software have shown that the developed method significantly improves such indicators of the recommender system as user space coverage and item space coverage and allows to create higher quality of recommendation lists without significant fluctuations Precision and Recall of the recommender system, and in some cases even improve these indicators, it depends onthe features of the input data.