Розробка рекомендаційної системи для онлайн-магазину
| dc.contributor.advisor | Ворона М. В. | |
| dc.contributor.author | Хіміон В. Д. | |
| dc.contributor.author | Himion V. | |
| dc.date.accessioned | 2026-07-09T10:49:58Z | |
| dc.date.issued | 2026 | |
| dc.description.abstract | Бакалаврська робота присвячена розробці рекомендаційної системи для онлайн-магазину з метою підвищення ефективності продажів та покращення користувацького досвіду. У роботі проведено аналіз предметної області електронної комерції та визначено основні проблеми, пов’язані з великим асортиментом товарів і складністю їх вибору користувачами. Розглянуто основні підходи до побудови рекомендаційних систем, зокрема контентно-орієнтовані методи, колаборативну фільтрацію та гібридні моделі. У процесі виконання роботи було сформовано вимоги до системи, спроєктовано її архітектуру та структуру бази даних. Для формування рекомендацій використано математичні методи оцінки подібності та прогнозування вподобань користувачів. Розроблений програмний прототип системи забезпечує автоматичне формування персоналізованих рекомендацій на основі історії покупок, переглядів і рейтингових оцінок. Проведено тестування роботи системи та оцінено її ефективність за показниками точності рекомендацій. Результати дослідження підтверджують доцільність використання рекомендаційних систем у сфері онлайн-торгівлі, оскільки вони сприяють скороченню часу пошуку товарів, збільшенню конверсії та підвищенню рівня задоволеності користувачів. Робота складається з 73 сторінки машинописного тексту, 12 таблиць, 21 рисунка, 11 літературних джерел та трьох додатків | |
| dc.description.abstracteng | This bachelor’s thesis is devoted to the development of a recommendation system for an online store aimed at improving sales efficiency and enhancing user experience. The paper analyzes the subject area of e-commerce and identifies key problems related to large product assortments and the difficulty users face when selecting goods. The main approaches to building recommendation systems are considered, including content-based methods, collaborative filtering, and hybrid models. During the work, system requirements were defined, and the architecture and database structure were designed. Mathematical methods for similarity measurement and user preference prediction were applied to generate recommendations. The developed software prototype provides automatic personalized product recommendations based on purchase history, browsing behavior, and rating data. System testing was conducted, and its effectiveness was evaluated using recommendation accuracy metrics. The research results confirm the feasibility of implementing recommendation systems in online commerce, as they reduce the time required to search for products, increase conversion rates, and improve customer satisfaction. The work consists of 73 pages of typewritten text, 12 tables, 21 figures, 11 literary pieces and three appendices Keywords: recommendation system, online store, e-commerce, personalization, machine learning, collaborative filtering, content-based analysis, hybrid algorithms, data analysis, preference prediction. | |
| dc.description.provenance | Submitted by Оксана Гайдаєнко (oksana.gaidaienko@nuos.edu.ua) on 2026-07-09T07:32:04Z workflow start=Step: reviewstep - action:claimaction No. of bitstreams: 2 Презентація_ХіміонВ.pdf: 671632 bytes, checksum: 4cbbffdf516102f25ab52c568ef68284 (MD5) Хіміон В.Д..pdf: 31273710 bytes, checksum: a103469fbf3535bd3b91f219b6e44baa (MD5) | en |
| dc.description.provenance | Step: reviewstep - action:reviewaction Approved for entry into archive by Бондар Ольга (olga.bondar@nuos.edu.ua) on 2026-07-09T10:44:35Z (GMT) | en |
| dc.description.provenance | Step: editstep - action:editaction Approved for entry into archive by Бондар Ольга (olga.bondar@nuos.edu.ua) on 2026-07-09T10:49:27Z (GMT) | en |
| dc.description.provenance | Step: finaleditstep - action:finaleditaction Approved for entry into archive by Бондар Ольга (olga.bondar@nuos.edu.ua) on 2026-07-09T10:49:58Z (GMT) | en |
| dc.description.provenance | Made available in DSpace on 2026-07-09T10:49:58Z (GMT). No. of bitstreams: 2 Презентація_ХіміонВ.pdf: 671632 bytes, checksum: 4cbbffdf516102f25ab52c568ef68284 (MD5) Khimion V.D._bakalavr.pdf: 31273710 bytes, checksum: a103469fbf3535bd3b91f219b6e44baa (MD5) Previous issue date: 2026 | en |
| dc.identifier.citation | Хіміон, В. Д. Розробка рекомендаційної системи для онлайн-магазину = Development of a recommendation system for an online store : бакалаврська робота ; спец 122 "Комп’ютерні науки" / В. Д. Хіміон ; наук. кер. М. В. Ворона. – Миколаїв : НУК, 2026. – 73 с. | |
| dc.identifier.uri | https://eir.nuos.edu.ua/handle/123456789/13318 | |
| dc.language.iso | uk | |
| dc.subject | рекомендаційна система | |
| dc.subject | онлайн-магазин | |
| dc.subject | електронна комерція | |
| dc.subject | персоналізація | |
| dc.subject | машинне навчання | |
| dc.subject | колаборативна фільтрація | |
| dc.subject | контентний аналіз | |
| dc.subject | гібридні алгоритми | |
| dc.subject | аналіз даних | |
| dc.subject | прогнозування вподобань. | |
| dc.subject | 122 "Комп’ютерні науки" | |
| dc.subject | recommendation system | |
| dc.subject | online store | |
| dc.subject | e-commerce | |
| dc.subject | personalization | |
| dc.subject | machine learning | |
| dc.subject | collaborative filtering | |
| dc.subject | content-based analysis | |
| dc.subject | hybrid algorithms | |
| dc.subject | data analysis | |
| dc.subject | preference prediction | |
| dc.title | Розробка рекомендаційної системи для онлайн-магазину | |
| dc.title.alternative | Development of a recommendation system for an online store | |
| dc.type | Бакалаврська робота |