Sökning: "Rekommendationssystem"

Visar resultat 11 - 15 av 106 uppsatser innehållade ordet Rekommendationssystem.

1. 11. Användandet av artificiell intelligens för effektiv försäljning inom e-handel

   Kandidat-uppsats, Stockholms universitet/Institutionen för data- och systemvetenskap

   Författare :Emmy Bergman; Erica Drwiega; [2023]
   Nyckelord :Artificial intelligence; E-commerce; Machine learning; Deep learning; Natural language processing; Recommendation system; Chatbot; Artificiell intelligens; E-handel; Maskininlärning; Djupinlärning; Rekommendationssystem; Språkteknologi; Chatbot;

   Sammanfattning : I takt med den växande tekniska utvecklingen har e-handeln börjat ta en allt större plats bland konsumenter och företag. Möjligheten att göra inköp på nätet prioriteras högt, särskilt i samband med Covid-19 pandemin då e-handeln i många fall tog över helt från fysiska butiker. LÄS MER

3. 12. IS THE FUTURE OF BEAUTY PERSONALIZED? : CASE STUDY FOR MICROBIOME SKINCARE BRAND SKINOME

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Santa Daniela Kanaska; [2022]
   Nyckelord :personalization; beauty tech; Artificial Intelligence; Recommender systems; AI ethics; data security; teknik för personliga hudvårdsråd; skönhetsteknik; Artificiell Intelligens; Rekommendationssystem; AI-etik; datasäkerhet;

   Sammanfattning : The researcher takes a user-centric empirical approach to estimate different consumer group participant views on the personalization technology adoption within the skincare industry. In addition, the study aims to highlight the main identified opportunities and concerns that users associate with the personalized technology solutions within the industry, such as skincare and product quizzes, in-depth questionnaires, smart skin analysis tools, and others. LÄS MER

4. 13. Evaluating Cold-Start in Recommendation Systems Using a Hybrid Model Based on Factorization Machines and SBERT Embeddings

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Sabrina Chowdhury; [2022]
   Nyckelord :Natural Language Processing; Hybrid Recommender Systems; Cold-Start Problem; språkteknologi; hybrida rekommendationssystem; kallstartsproblemet;

   Sammanfattning : The item cold-start problem, which describes the difficulty of recommendation systems in recommending new items to users, remains a great challenge for recommendation systems that rely on past user-item interaction data. A popular technique in the current research surrounding the cold-start problem is the use of hybrid models that combine two or more recommendation strategies that may contribute with their individual advantages. LÄS MER

5. 14. Identifying potential problem perceived by consumers within the recommendation system of streaming services

   Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Laila Arman; Tanveer Ahmed; [2022]
   Nyckelord :Streaming service; Recommendation system; Netflix; Disney Plus; HBO Max; Streaming tjänster; Rekommendationssystem; Netflix; Disney Plus; HBO Max;

   Sammanfattning : Streaming services have had a significant gain in popularity over the last decade, with an increasing number of subscribers. Along with digitalization, more households seek accessible entertainment that allows them to choose the type of content they wish to watch. LÄS MER

7. 15. Predicting future purchases with matrix factorization

   Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Azer Hojlas; August Paulsrud; [2022]
   Nyckelord :Matrix factorisation; machine learning; recommendations systems; Maskininlärning; Matrisfaktorisering; Rekommendationssystem;

   Sammanfattning : This thesis aims to establish the efficacy of using matrix factorization to predict future purchases. Matrix factorisation is a machine learning method, commonly used to implement the collaborative filtering recommendation system. LÄS MER