Разработка информационной системы для оперативного обновления обучающей информации на портале
Разработка информационной системы для написания и публикации статей и курсов. Так же в данной системе реализована рекомендательная система подбора статей
ВВЕДЕНИЕ ……………………………………………………………………………………………… 15
1. Анализ предметной области ………………………………………………………………… 16
1.1 Рекомендательная система ……………………………………………………………. 16
1.2 Виды оценок пользователя ……………………………………………………………. 17
1.2.1 Явная оценка ……………………………………………………………………………… 17
1.2.2 Неявная оценка ………………………………………………………………………….. 18
1.2.3 Гибридная оценка ………………………………………………………………………. 18
1.3 Алгоритмы рекомендательных систем…………………………………………… 19
1.3.1 Summary-based алгоритмы …………………………………………………………. 19
1.3.2 Content-based алгоритмы ……………………………………………………………. 19
1.3.3 User-based алгоритмы…………………………………………………………………. 21
2. Разработка информационной системы …………………………………………………. 22
2.1 Методы и средства разработки ……………………………………………………… 22
2.1.1 Языки разработки ……………………………………………………………………. 22
2.1.2 Среда разработки…………………………………………………………………….. 23
2.1.3 Используемые средства и фреймворки …………………………………….. 23
2.2 Проектирование архитектуры приложения ……………………………………. 26
2.3 База данных …………………………………………………………………………………. 28
2.4 Описание Alternating Least Squares алгоритма……………………………….. 29
3. Результаты работы………………………………………………………………………………. 32
4. ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОЭФФЕКТИВНОСТЬ И
РЕСУРСОСБЕРЕЖЕНИЕ…………………………………………………………………………. 38
Введение …………………………………………………………………………………………….. 38
4.1 Оценка коммерческого потенциала и перспективности проведения
научных исследований с позиции ресурсоэффективности и
ресурсосбережения ……………………………………………………………………………… 38
4.1.1 Потенциальные потребители результатов исследования………… 38
4.1.2 Исследование целесообразности вложения денежных средств в
научно-исследовательский проект ………………………………………………………. 38
4.1.3 SWOT-анализ ……………………………………………………………………….. 40
4.2 Определение возможных альтернатив проведения исследований…… 41
4.3 Планирование научно-исследовательских работ ……………………………. 42
4.3.1 Структура работ в рамках научного исследования ………………… 42
4.3.2 Определение трудоемкости выполнения работ ……………………… 43
4.3.3 Составление календарного план-графика работ …………………….. 46
4.3.4 Бюджет научно-технического исследования………………………….. 49
4.3.4.1 Расчет материальных затрат НТИ …………………………………… 49
4.3.4.2 Расчет амортизационных расходов …………………………………. 49
4.3.4.3 Расчет затрат на электроэнергию ……………………………………. 50
4.3.4.4 Расчет основной и дополнительной заработной платы ……. 51
4.3.4.5 Отчисления во внебюджетные фонды …………………………….. 52
4.3.4.6 Прочие расходы ……………………………………………………………… 52
4.3.4.7 Формирование бюджета НТИ …………………………………………. 52
4.4 Определение ресурсной, финансовой и экономической
эффективности исследования………………………………………………………………. 53
5. СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ ……………………………………………… 56
Введение …………………………………………………………………………………………….. 56
5.1 Правовые и организационные вопросы обеспечения безопасности … 57
5.1.1 Специальные правовые нормы трудового законодательства ….. 57
5.1.2 Организационные мероприятия при компоновке рабочей зоны 58
5.2 Производственная безопасность ……………………………………………………. 59
5.2.1 Освещенность рабочей зоны …………………………………………………. 59
5.2.2 Микроклимат помещения ……………………………………………………… 62
5.2.3 Уровень шума ………………………………………………………………………. 64
5.2.4 Электромагнитное излучение ……………………………………………….. 65
5.2.5 Электробезопасность ……………………………………………………………. 66
5.2.6 Обоснование мероприятий по защите окружающей среды …….. 67
5.3 Экологическая безопасность. ………………………………………………………… 68
5.3.1 Загрязнение атмосферного воздуха ……………………………………….. 68
5.3.2 Загрязнение гидросферы……………………………………………………….. 68
5.3.3 Отходы …………………………………………………………………………………. 69
5.4 Безопасность в чрезвычайных ситуациях ………………………………………. 69
ЗАКЛЮЧЕНИЕ ……………………………………………………………………………………….. 72
CONCLUSION …………………………………………………………………………………………. 73
Список использованных источников ………………………………………………………… 74
Приложение А …………………………………………………………………………………………. 76
В настоящее время в интернете существует проблема большого
количества информации в интернете. Для ее решения необходимо
фильтровать, расставлять приоритеты и эффективно доставлять
информацию. Рекомендательные системы ищут в большом объеме
динамически генерируемого контента нужную информацию, чтобы
предоставить пользователям персонализированные товары и услуги.
Информационно-поисковые системы, например, Google и Yandex частично
решают данную проблему, предоставляя пользователям релевантный
контент, но не так, как это делают рекомендательные системы. Для примера,
большая часть выручки, около 75%, Netflix получает из продажи
рекомендованных товаров. Для Amazon это процент составляет 35%.
Благодаря рекомендательным системам пользу получают ее владельцы, так и
сами клиенты.
Рекомендательные системы помогают пользователям быстрее найти
необходимую информацию. С коммерческой точки зрения рекомендательные
системы очень полезны, так как позволяют продавать большее количество
товаров и услуг за счет рекомендаций.
1. Анализ предметной области
1.1 Рекомендательная система
Рекомендательные система — это программа, которая пытается
предсказать, какие объекты (статьи, музыка, книги, новости, фильмы) будут
интересны пользователю. Рекомендательные системы работают на основе
информации о пользователе.
Система рекомендаций определяется как стратегия принятия решений
для пользователей в сложных информационных средах [1]. Кроме того,
система рекомендаций была определена с точки зрения электронной
коммерции как инструмент, который помогает пользователям искать записи
знаний, связанных с их интересами и предпочтениями. Также система
рекомендаций была определена как средство помощи и расширения
социального процесса использования рекомендаций других людей для
принятия решений, когда нет достаточных личных знаний или опыта
альтернатив.
В настоящее время системы рекомендаций основываются на таких
подходах, как контентная, совместная или гибридная фильтрация. Гибридная
фильтрация является самой популярной фильтрацией, так как включает в
себя сильные стороны контентной и совместных фильтраций.
Совместная фильтрация предлагает элементы на основе других
пользователей со схожими интересами. Контентная фильтрация же
рекомендует элементы, основываясь только на предпочтениях пользователя.
Например, если пользователь читает статьи на тему программирования,
соответственно ему будет предлагаться больше статьей по
программированию.
Однако у данных подходов существуют ограничения. Для контентной
фильтрации ограничением является отсутствие необходимых данных, что
значительно уменьшает качество работы рекомендательной системы. Так же
существуют проблемы масштабируемости и холодного запуска. Для решения
данных проблем используется гибридная фильтрация, которая включает в
себя сильные стороны контентной и совместной фильтраций для повышения
производительности и точности рекомендательных систем.
Система собирает информацию о пользователе для определения
интересов пользователя и в дальнейшем для прогнозирования каких-либо
элементов. Система учитывает поведение пользователя, содержимое
ресурсов, которые пользователь просматривал. Система рекомендаций
работает только при правильно построении моделей. Для хорошей точности
подбора элементов системе необходимо предоставить как можно больше
информации, чтобы дать разумную рекомендацию с самого начала. Для
решение проблем малого количества информации используются различные
типы ввода, такие как наиболее удобная высококачественная явная обратная
связь, которая включает в себя явный ввод пользователей в отношении их
интереса к предмету, или неявная обратная связь (путем косвенного
определения предпочтений пользователя посредством наблюдения за его
поведением).
В данной части работы изложены основные требования к рабочему
месту инженера-программиста. Они должны создавать условия для комфортной
работы. Выполнение условий, необходимых для оптимальной организации
рабочего места инженера-программиста, позволяет в течение всего рабочего
дня сохранять высокую работоспособность, повышать производительность
труда работника.
В части экологии производителям и потребителям компьютерной
техники необходимо серьезно задуматься о снижении вредного воздействия на
окружающую среду посредством разработки регламентирующих документов по
утилизации данного оборудования, отправки его в переработку, для
возможного дальнейшего вторичного использования.
ЗАКЛЮЧЕНИЕ
В ходе выполнения ВКР была разработана информационная система для
написания и публикации статей. Так же был развернут PredictionIO-сервис для
реализации рекомендательной системы подбора статей на основе алгоритма
ALS.
Благодаря данной ИС увеличивается качество подбора
рекомендованных статей для пользователей. Такие системы уменьшают
издержки поиска необходимых товаров и услуг, помогая пользователям
быстрее найти нужную информацию. В сфере электронной коммерции
рекомендательные системы увеличивают прибыль, так как они являются
эффективным средством продажи большего количества товаров и услуг.
В ходе выполнения ВКР были продемонстрированы результаты работы
информационной системы. Так же были рассмотрены основные алгоритмы
рекомендательных систем, такие как: Summary-based, Content-based и User-
based алгоритмы. Были использованы два вида алгоритмов: Summary-based для
неаутентифицированных и User-based для аутентифицированных
пользователей.
CONCLUSION
Thus, during the master’s thesis an information system was developed for
writing and publishing articles. PredictionIO was also deployed to implement a
recommendation system for selecting articles based on the ALS algorithm.
This information system improves the quality of the selection of
recommended articles for users. Such systems reduce the cost of searching for the
necessary goods and services, helping users find the necessary information faster. In
e-Commerce, recommendation systems increase profits because they are an effective
means of selling more products and services.
During the master’s thesis, the results of the information system were
demonstrated. The main algorithms of recommendation systems, such as Summary-
based, Content-based, and User-based algorithms, were also considered. Two types of
algorithms were used: Summary-based for non-authenticated users and User-based
for authenticated users.
1.Deep learning concepts — PART 1 — Towards Data Science
[Электронныйресурс]:информационныйсайт–URL:
https://towardsdatascience.com/prototyping-a-recommender-system-step-by-step-
part-2-alternating-least-square-als-matrix-4a76c58714a1(датаобращения
12.05.2020).
2.Deep learning concepts — PART 2 — Towards Data Science
[Электронныйресурс]:информационныйсайт–URL:
https://towardsdatascience.com/prototyping-a-recommender-system-step-by-step-
part-1-knn-item-based-collaborative-filtering-637969614ea(датаобращения
12.05.2020).
3.ALS Implicit Collaborative Filtering — Rn Engineering — Medium
[Электронный ресурс]: информационный сайт – URL: https://medium.com/radon-
dev/als-implicit-collaborative-filtering-5ed653ba39fe(датаобращения
12.05.2020).
4.WelcometoApachePredictionIO–[Электронныйресурс]:
официальный сайт PredictionIO – URL: http://predictionio.apache.org/ (дата
обращения 12.05.2020).
5.ГОСТ 12.0.003-74 (с измен. №1, октябрь 1978г., переиздание 1999
г.) «Классификация вредных и опасных производственных факторов».
6.Безопасность жизнедеятельности: Учебник для вузов /Под ред. К.З.
Ушакова. – М.: Изд-во Московского гос. горного университета, 2000.– 430 с.
7.СанПиН 2.2.4.548 – 96. «Гигиенические требования к микроклимату
производственных помещений».
8.СНиП 23-05-95. «Естественное и искусственное освещение».
9.СН 2.2.4/2.1.8.562-96 «Шум на рабочих местах, в помещениях
жилых, общественных зданий и на территории жилой, застройки».
10. ГОСТ 12.1.009-76 «Электробезопасность. Термины и определения».
11. СанПиН2.2.4.1191-03.«Электромагнитныеполяв
производственных условиях».
12. ГОСТ Р 50739-95 «Средства вычислительной техники. Защита от
несанкционированного доступа к информации».
13. ГОСТ 30772-2001 «Ресурсосбережение. Обращение с отходами.
Термины и определения».
14. Федеральныйзаконот8августа2001г.№128-ФЗ«О
лицензировании отдельных видов деятельности».
15. ГОСТ Р 55090-2012 «Ресурсосбережение. Обращение с отходами.
Рекомендации по утилизации отходов бумаги».
16. ГОСТ 10700-97 «Макулатура бумажная и картонная. Технические
условия».
17. «Безопасность жизнедеятельности. Практикум: учебное пособие по
выполнению индивидуальных заданий для студентов всех специальностей»
[Электронныйресурс]–Режимдоступа
http://window.edu.ru/catalog/pdf2txt/965/73965/53126?p_page=6 (дата обращения
24.05.2020).
18. «ПособиекМГСН2.06-99.Расчетипроектирование
искусственного освещения помещений общественных зданий» [Электронный
ресурс] – Режим доступа https://meganorm.ru/Data2/1/4294846/4294846582.htm
(дата обращения 25.05.2020).
19. Tryolabs – интернет портал для статей [Электронный ресурс] –
Режим доступа:https://tryolabs.com/blog/introduction-to-recommender-systems/
(дата обращения: 24.05.2020).
20. KDnuggets – информационный портал [Электронный ресурс] –
Режимдоступа:https://www.kdnuggets.com/2019/09/machine-learning-
recommender-systems.html(дата обращения: 24.05.2020).
21. G. Adomavicius and A. Tuzhilin, “Towards the next generation of
recommender systems: a survey of the state-of-the-art and possible extensions”,
2005.
22. G. Linden, B. Smith, and J. York, “Amazon.com recommendations:
itemto-item collaborative filtering”, 2003.
Последние выполненные заказы
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!