หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2568
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2567
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
ระบบติดตามและแนะนำสื่อบันเทิง
ชื่อโครงงานภาษาอังกฤษ
Entertainment Media Tracking and Recommendation System
ผู้พัฒนา
6410504039 ชัยธวัช สีน้ำเงิน
6510503808 ศุภกฤต สงสุวงค์
อาจารย์ที่ปรึกษาหลัก
กฤษณะ ไวยมัย
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
ระบบติดตามและแนะนำสื่อบันเทิงเป็นเครื่องมือที่ช่วยให้ผู้ใช้สามารถติดตามสื่อบันเทิงที่สนใจและได้รับคำแนะนำเกี่ยวกับเนื้อหาที่ตรงกับความชอบของตนเอง โครงงานนี้นำเสนอการพัฒนาเว็บแอปพลิเคชันที่ใช้เทคทิคการกรองแบบอิงเนื้อหา (TF-IDF และ Cosine Similarity) และเทคนิคการกรองผู้ใช้ (โมเดลไฮบริดระหว่างโมเดลที่ผ่านการฝึกฝนล่วงหน้าและโมเดลเรียลไทม์) เพื่อให้คำแนะนำที่แม่นยำ ระบบดังกล่าวถูกพัฒนาโดยใช้ Next.js และ FastAPI พร้อมการจัดเก็บข้อมูลใน MongoDB ผลลัพธ์ของโครงงานแสดงให้เห็นว่าการนำหลากหลายวิธีมาใช้ โดยเฉพาะโมเดลแบบไฮบริดช่วยเพิ่มความแม่นยำของคำแนะนำและปรับปรุงประสบการณ์ของผู้ใช้ได้อย่างมีประสิทธิภาพ การประเมินผลโดยใช้ NDCG และ MRR ได้ค่าคะแนน 0.445 และ 0.708 ตามลำดับ และผลสำรวจจากผู้ใช้พบว่าระบบได้รับความพึงพอใจ 94.4% สำหรับ UX/UI และ 92.5% สำหรับระบบแนะนำ
Abstract
The Entertainment Media Tracking and Recommendation System is a tool that helps users track their favorite entertainment media and receive recommendations tailored to their preferences. This project presents the development of a web application utilizing content-based filtering (TF-IDF and Cosine Similarity) and user-based collaborative filtering (a hybrid model combining pre-trained and real-time models) to provide accurate recommendations. The system was developed using Next.js and FastAPI, and data storage was stored in MongoDB. The results demonstrate that integrating multiple techniques, especially the hybrid model, enhances recommendation accuracy and significantly improves user experience. The evaluation results using NDCG and MRR were 0.445 and 0.708, respectively. Additionally, a user satisfaction survey reported 94.4% satisfaction with the website's UX/UI and 92.5% satisfaction with the recommendation system.
คำสำคัญ (Keywords)
Recommendation System, Content-Based Filtering, User-Based Collaborative Filtering, Entertainment Media, Artificial Intelligence
เว็บไซต์โครงงาน
https://watcher.vercel.app/
วีดีโอคลิปของโครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
https://github.com/biskitsx/watcher
https://github.com/SStepz/TheWatcher
ผู้นำเข้าข้อมูลครั้งแรก
ศุภกฤต
สงสุวงค์
(b6510503808)
แก้ไขครั้งสุดท้าย
เมื่อ April 16, 2025, 4:19 p.m. โดย
ชัยธวัช
สีน้ำเงิน
(b6410504039)
สถานะการอนุมัติ
รออนุมัติ