Методика та крос-доменне програмне забезпечення надання рекомендацій щодо медіа-контенту з механізмом адаптивного навчання

Abstract

Об’єкт дослідження – процеси надання персоналізованих рекомендацій медіа-контенту в крос-доменних інформаційних системах. Мета кваліфікаційної роботи – розробка методики та програмного забезпечення для надання рекомендацій щодо медіа-контенту, що забезпечує підвищення точності пропозицій та адаптацію до інтересів користувача шляхом використання механізмів адаптивного навчання та сучасних веб-технологій. Методи дослідження – системний аналіз, математичне моделювання процесів рекомендації, методи машинного навчання (адаптивне навчання), об’єктно-орієнтоване проектування, розробка веб-додатків. Результати роботи можуть бути використані при розробці інтелектуальних медіа-платформ, стрімінгових сервісів, онлайн-кінотеатрів; в усіх галузях, де є потреба у персоналізації контенту, підвищенні залученості користувачів та автоматизації відбору інформації на основі вподобань. Розробка та дослідження проводилися під управлінням ОС Windows 11/Mac OS. Середовище розробки: Visual Studio 2022, Visual Studio Code. Технологічний стек: ASP .NET Core, Angular.The object of research is the processes of providing personalized media content recommendations in cross-domain information systems. The purpose of the qualification work is the development of a methodology and software for providing media content recommendations, which ensures increased proposal accuracy and adaptation to user interests through the use of adaptive learning mechanisms and modern web technologies. Research methods – system analysis, mathematical modeling of recommendation processes, machine learning methods (adaptive learning), object-oriented design, web application development. The results of the work can be used in the development of intelligent media platforms, streaming services, online cinemas; in all sectors where there is a need for content personalization, increasing user engagement, and automating information selection based on preferences. Development and research were carried out under OS Windows 11/Mac OS. Development environment: Visual Studio 2022, Visual Studio Code. Technology stack: ASP .NET Core, Angular.