Personalizované doporučovnání pro studenty

Abstract

Diplomová práce poskytuje analýzu doporučovacích systémů pro studenty. Teoretická část popisuje současné nejmodernější metody v oblasti doporučovacích systémů. Dále se zabývá analýzou současného výzkumu pro profilování studentů. Experimentální část se zaměřuje na implementaci různých metod popsaných v rešeršní části. Tyto metody jsou testovány a je vybrána nejvhodnější metoda, specificky metoda založená na term frequency-inverse document frequency algoritmu s využitím vlastního výběru klíčových slov. Obecně je navržen model, který se zabývá doporučováním na základě interakcí a je rozšířen o doporučování na základě profilů studentů pomocí vybrané metody. Prezentovaný rekomendační systém je otestován ve dvou experimentech. Celkové výsledky naznačují výrazné zlepšení při použití navrhované metody.This thesis provides an overview on job recommendation for students. The research part describes current state-of-the-art methods of recommender systems and analyses current research for student profiling. The experimental part focusses on the implementation of several different methods described in the research part. These methods are tested and one of those methods is selected, specifically a method based on the term frequency-inverse document frequency algorithm with a custom set of keywords. The general model deals with recommendation based on interactions and is extended with recommendation based on student profiles using the selected method. The presented recommendation system is tested in two experiments. Overall, the results suggest a significant improvement with recommendation using the presented method.