<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Веб-платформа для пошуку та рекомендації анімаційного контенту: архітектура та функціональність

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Розглянуто підхід до розробки веб-застосунку для ефективного пошуку та рекомендації анімованих фільмів і новел. Описано архітектуру системи, механізми обробки запитів та алгоритми персоналізованих рекомендацій. Запропоноване рішення дозволяє покращити релевантність результатів пошуку та автоматизувати процеси персоналізації контенту.
The approach to developing a web application for efficient search and recommendation of animated films and novels is considered. The architecture of the system, request processing mechanisms, and personalized recommendation algorithms are described. The proposed solution improves the relevance of search results and automates content personalization processes.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

978-617-8132-48-8

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Гандзюк В. С., Карась О. В. Веб-платформа для пошуку та рекомендації анімаційного контенту: архітектура та функціональність // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2025/paper/view/24275.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (3)

  1. ALS Implicit Collaborative Filtering [Електронний ресурс]. – Режим доступу: https://medium.com/radon-dev/als-implicit-collaborative-filtering-5ed653ba39fe (дата звернення: 22.03.2025)
  2. Content-based filtering [Електронний ресурс]. – Режим доступу: https://developers.google.com/machine-learning/recommendation/content-based/basics (дата звернення: 22.03.2025).
  3. What is deep learning? [Електронний ресурс]. – Режим доступу: https://www.ibm.com/think/topics/deep-learning (дата звернення: 22.03.2025).