.

0 (hodnocen0 x )

Vydání první

Praha : Academia, 2025

271 stran : ilustrace ; 24 cm

ISBN 978-80-200-3664-3 (brožováno)

Studentské práce

Obsahuje bibliografii, bibliografické odkazy a rejstřík

Publikace poskytuje přehled základních principů umělé inteligence se zaměřením na doporučovací systémy využívané při zobrazování zpráv a článků. Autor představuje teoretická východiska, algoritmické přístupy i praktické aplikace v digitálním prostředí..

002001232

PODĚKOVÁNÍ 9 // ÚVOD 10 // PŘEDMLUVA 11 // 1 NEFORMÁLNÍ ÚVOD PRO INTUICI // OHLEDNĚ UMĚLÉ INTELIGENCE 23 // 1.1 Co je umělá inteligence? 26 // 1.2 Optimalizace 38 // 1.3 Lineární regrese 43 // 1.4 Základní strojová inteligence 46 // 1.4.1 Piškvorky: ukázka primitivního přístupu k umělé // inteligenci 46 // 1.5 Logika a umělá inteligence 47 // 1.6 Pravděpodobnost 50 // 1.7 Redukce dimenzí 53 // 1.8 Klasifikace 56 // 1.9 Shlukování 59 // 1.10 Evaluace 62 // 1.11 Neuronové sítě 64 // 2 SOUČASNÉ DOPORUČOVACÍ SYSTÉMY 75 // 2.1 Příbuzné obory 80 // 2.2 Doporučovací systém pro novinové články 89 // 2.3 Současné aplikace zabývající se zobrazováním // a doporučováním článků 91 // 2.3.1 Google News 92 // 2.3.2 Apple News 94 // 2.3.3 Flipboard 95 // 2.3.4 Feedly 96 // 2.3.5 Pocket 96 // 2.3.6 FlashNews 98 // 2.3.7 Shrnutí 98 // 2.4 Akademické práce a články zabývající se podobnou // tématikou 100 // 2.4.1 Real-Times News Recommender System 100 // 2.4.2 News recommender system: a review of recent // progress, challenges, and opportunities 100 // 2.4.3 Offline and online evaluation of news recommender // systems at swissinfo.ch 101 // 2.4.4 User trends modeling for a content-based // recommender system 101 // 2.4.5 Hybridní doporučující systém pro doporučování // filmů s použitím expertního systému 102 // 2.4.6 Multimodální doporučující systém 103 //

2.4.7 Doporučování na Amazon.com (Item to item collaborative filtering) 103 // 2.5 Knihy zabývající se doporučujícími systémy 105 // 2.5.1 Practical recommender systems 105 // 2.5.2 Algoritmy inteligentního webu 105 // 2.6 Otázka autorských práv u doporučujících // systémů s články 106 // 2.7 Netflix 107 // 3 NÁVRH SYSTÉMU 111 // 3.1 Optimalizace návrhu 115 // 3.1.1 Optimalizace využívání paměti, optimalizace // metod, nativní metody 115 // 3.1.2 Využití databázových indexů 116 // 3.1.3 Metody s podporou distribuovaného nebo // paralelního zpracování 116 // 3.1.4 Využitícache 117 // 3.1.5 Mikro servisní architektura 118 // 3.1.6 Zasílání zpráv 119 // 3.1.7 Kombinace online a off-line přístupu doporučování // jako cesta k lepšímu uživatelskému zážitku 121 // 3.1.8 AJAX technologie 124 // 3.1.9 Využití existujících redakčních systémů 124 // 3.1.10 Využití PostgreSQL 125 // 3.2 UseCase 126 // 3.3 Architektura 128 // 4 IMPLEMENTACE SYSTÉMU 131 // 4.1 Sběr dat 134 // 4.1.1 RSS 134 // 4.1.2 HTML 135 // 4.1.3 Výstupy z Wikipedie 135 // 4.2 Doporučení založená na uživatelích 137 // 4.2.1 Uživatelská hodnocení 137 // 4.2.2 Kolaborativní filtrování a SVD algoritmus 138 // 4.2.3 Doporučení na základě klíčových slov 140 // 4.2.4 Doporučení na základě oblíbených kategorií 141 4.3 Doporučení založená na obsahu 142 // 4.3.1 Datové sady 144 // 4.3.2 Využívání výstupů z Wikipedie 146 //

4.3.3 Předzpracování textu 147 // 4.3.4 Podobnost slov a dokumentů 152 // 4.3.5 Knihovna scikit-learn 154 // 4.3.6 Knihovna Gensim 155 // 4.3.7 Doporučení na základě četnosti a inverzní četnosti // termínů 156 // 4.3.8 Doporučení na základě podobnosti vektorů slov ..160 // 4.3.9 Doporučení na základě podobnosti vektorů slov // a dokumentů 168 // 4.3.10 Doporučení na základě společných témat 175 // 4.3.11 Skládání výsledků 176 // 4.4 Hybridní přístup 177 // 4.4.1 Fuzzy hybridní přístup 178 // 4.5 Klasifikační metody 184 // 5 PRAKTICKÉ OVĚŘENÍ 185 // 5.1 Ukázka a práce se systémem 188 // 5.2 Tok uživatelských událostí a automatizované // testování 192 // 5.3 Validace a optimalizace obsahového přístupu 193 // 5.3.1 Optimalizace výkonu TF-IDF 193 // 5.3.2 Evaluace TF-IDF a dalších metod 200 // 5.3.3 Evaluace Word2Vec 208 // 5.3.4 Evaluace Doc2Vec 222 // 5.3.5 Evaluace a optimalizace LaDA 224 // 5.4 Uživatelské testování 237 // 5.4.1 Výsledky a srovnání obsahových metod 239 // 5.4.2 Výsledky a srovnání uživatelských metod 240 // 5.5 Evaluace klasifikátoru 242 // 5.6 Možné problémy doporučujících metod 244 // 6 POZNATKY A ZKUŠENOSTI // Z PRAKTICKÉ ČÁSTI 247 // ._A Y // ZAVER // 251 // LITERATURA 253 // SEZNAM ZKRATEK 267 // REJSTŘÍK 268