Tekoälyn hyödyntäminen elokuvasuositusjärjestelmässä
Järvinen, Heikki (2024)
2024
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2024121235085
https://urn.fi/URN:NBN:fi:amk-2024121235085
Tiivistelmä
Suositusjärjestelmät ovat keskeinen osa nykypäivän verkkopalveluita, kuten elokuvien suoratoistopalveluita ja kaupallisia verkkokauppoja. Viime vuosina tekoäly on noussut merkittäväksi tekijäksi teknologiateollisuudessa. Tekoälyä voidaan hyödyntää suositusjärjestelmissä tarjoamaan parempia suosituksia ja uusia ominaisuuksia.
Opinnäytetyön tavoitteena oli suunnitella ja kehittää tekoälyä hyödyntävä elokuvasuositusjärjestelmä. Aihe valittiin aikaisemman mielenkiinnon suositusjärjestelmiin ja tekoälyn nopean kehityksen vuoksi. Suositusjärjestelmässä käytettiin OpenAI:n ChatGPT 4o API:a tuottamaan suosituksia käyttäjän tietojen perusteella. Järjestelmää käytetään verkkosivulla, joka rakennettiin Next.js -ohjelmistokehyksellä. Verkkosivun rakentamisessa käytettiin myös muita moderneja teknologioita ja kahta tietokantaa.
Opinnäytetyön tulos oli toimiva suositusjärjestelmä sovellus. Käyttäjät saavat hyödyllisiä ja relevantteja elokuvasuosituksia sovellukselta. Jatkokehitysideana on parantaa nykyistä sivua ja lisätä ominaisuuksia. Opinnäytetyön tuloksia voi hyödyntää tekoälypohjaisten verkkosovellusten ja suoratoistopalveluiden kehityksessä. Recommendation systems are a central part of today's online services, such as movie streaming platforms and commercial online stores. In recent years, artificial intelligence has emerged as a significant factor in the technology industry. AI can be utilized in recommendation systems to provide better suggestions and new features.
The aim of the thesis was to examine how AI can be utilized in a recommendation system and to design and develop an AI-powered movie recommendation system. The subject was chosen based on an interest in recommender systems and artificial intelligence. The recommendation system used OpenAI's ChatGPT API to generate recommendations based on user data. The system is used on a website built with the Next.js software framework. Other modern technologies and two databases were also used in building the website.
The result of the thesis was a functional recommendation system application. Users receive useful and relevant movie recommendations from the application. As a future development idea, improving the current website and adding new features is suggested. The results of the thesis can be utilized in the development of AI-based web applications and streaming services.
Opinnäytetyön tavoitteena oli suunnitella ja kehittää tekoälyä hyödyntävä elokuvasuositusjärjestelmä. Aihe valittiin aikaisemman mielenkiinnon suositusjärjestelmiin ja tekoälyn nopean kehityksen vuoksi. Suositusjärjestelmässä käytettiin OpenAI:n ChatGPT 4o API:a tuottamaan suosituksia käyttäjän tietojen perusteella. Järjestelmää käytetään verkkosivulla, joka rakennettiin Next.js -ohjelmistokehyksellä. Verkkosivun rakentamisessa käytettiin myös muita moderneja teknologioita ja kahta tietokantaa.
Opinnäytetyön tulos oli toimiva suositusjärjestelmä sovellus. Käyttäjät saavat hyödyllisiä ja relevantteja elokuvasuosituksia sovellukselta. Jatkokehitysideana on parantaa nykyistä sivua ja lisätä ominaisuuksia. Opinnäytetyön tuloksia voi hyödyntää tekoälypohjaisten verkkosovellusten ja suoratoistopalveluiden kehityksessä.
The aim of the thesis was to examine how AI can be utilized in a recommendation system and to design and develop an AI-powered movie recommendation system. The subject was chosen based on an interest in recommender systems and artificial intelligence. The recommendation system used OpenAI's ChatGPT API to generate recommendations based on user data. The system is used on a website built with the Next.js software framework. Other modern technologies and two databases were also used in building the website.
The result of the thesis was a functional recommendation system application. Users receive useful and relevant movie recommendations from the application. As a future development idea, improving the current website and adding new features is suggested. The results of the thesis can be utilized in the development of AI-based web applications and streaming services.