Sisältöjen rikastaminen automaattisella sisällönsuosittelulla

Show full item record



Permalink

http://urn.fi/URN:NBN:fi:hulib-202012084716
Title: Sisältöjen rikastaminen automaattisella sisällönsuosittelulla
Author: Joentausta, Jussi
Contributor: University of Helsinki, Faculty of Science
Publisher: Helsingin yliopisto
Date: 2020
Language: fin
URI: http://urn.fi/URN:NBN:fi:hulib-202012084716
http://hdl.handle.net/10138/322474
Thesis level: master's thesis
Discipline: Tietojenkäsittelytiede
Abstract: Sisällön määrän kasvu nykymuotoisessa internetissä tuo mukanaan uusia ongelmia. Tiedon runsaus vaikeuttaa tarpeellisen sisällön löytämistä rajallisessa ajassa. Ongelmaa ratkaisemaan on kehitetty suosittelujärjestelmiä, jotka tuottavat käyttäjälle merkityksellisiä sisältöjä oikeaan aikaan ja tilanteeseen sidottuna. Tässä tutkielmassa esitellään, miten tietoa voidaan kuvailla, miten tietoa haetaan ja miten suosittelujärjestelmät toimivat. Järjestelmien toiminta perustuu samankaltaisuuksien löytämiseen niin sisältöjen kuin käyttäjienkin kohdalla. Näitä tietoja yhdistelemällä arvioidaan, minkälainen tieto parhaiten palvelee käyttäjää kullakin hetkellä. Tutkimusosiossa rakennettiin sisältöpohjainen suosittelujärjestelmä verkkosivustolle. Tutkimuksessa pyrittiin selvittämään, onnistuuko avainsanojen eristäminen ja suositusten luonti tutkimukseen valitulla metodilla. Järjestelmän laatua mitattiin kyselyillä. Järjestelmää koekäytettiin verkkosivustolla tuotantoympäristössä tarkkaillen suositusten toimivuutta. Tutkimustulosten pohjalta arvioituna avainsanojen eristäminen ja suositusten luonti onnistui keskimäärin hyvin.As the amount of information available on the Internet keeps growing new problems arise. The abundance of information makes it more difficult to find proper, needed content in a timely manner. Recommender systems have been developed as an answer to the problem. They aim to provide relevant information to the user. This thesis presents how information can be described, how information retrieval works in general and how recommender systems work. The operation of recommender systems is based on finding similarities between contents and between users. By combining these recommender systems try to estimate what kind of information would be most suitable for the user at specific moment. In the research section a content-based recommender was built for a website. The aim of the research was to find out whether it is possible to extract keywords and create recommendations with the method chosen for the research. Quality of the extracted keywords was measured by a survey and the recommender system as a whole was piloted on a website. Based on the research results extraction of keywords and creation of recommendations were, on average, successful.
Subject: suosittelujärjestelmät
tiedonhaku


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show full item record