Personalizace multimediálního obsahu
Loading...
Date
2025-06-03
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
V této bakalářské práci byl analyzován způsob, jakým je realizována personalizace multimediálního
obsahu na platformě YouTube. Byly popsány technické principy fungování doporučovacích
algoritmů a definovány vstupní datové signály využívané k přizpůsobení obsahu individuálním
uživatelům. Experimentální část byla zaměřena na testování vlivu aktivních i pasivních zásahů
uživatele na podobu domovské stránky. Kromě toho bylo provedeno porovnání mezi přihlášeným
a nepřihlášeným uživatelem, aby byl posouzen dopad identifikace uživatele na kvalitu
personalizace. Součástí práce bylo také hodnocení efektivity jednotlivých zásahů a jejich vlivu
na doporučovaný obsah. Bylo rovněž zohledněno, jak mohou tvůrci obsahu optimalizovat videa
pro zvýšení relevance. Důraz byl kladen i na etické aspekty jako ochrana soukromí a rizika spojená
s informačními bublinami.
This bachelor's thesis analyzes how multimedia content personalization is implemented on the YouTube platform. The technical principles of recommendation algorithms and the input data signals used for content customization are described. The experimental section focuses on testing the impact of both active and passive user actions on the homepage recommendations. A comparison between logged-in and anonymous users was also conducted to evaluate the effect of user identification on personalization quality. The thesis includes an assessment of the effectiveness of different user interactions and their influence on the recommended content. Additionally, it explores how content creators can optimize videos to improve relevance. Ethical aspects such as privacy protection and risks of filter bubbles were also considered.
This bachelor's thesis analyzes how multimedia content personalization is implemented on the YouTube platform. The technical principles of recommendation algorithms and the input data signals used for content customization are described. The experimental section focuses on testing the impact of both active and passive user actions on the homepage recommendations. A comparison between logged-in and anonymous users was also conducted to evaluate the effect of user identification on personalization quality. The thesis includes an assessment of the effectiveness of different user interactions and their influence on the recommended content. Additionally, it explores how content creators can optimize videos to improve relevance. Ethical aspects such as privacy protection and risks of filter bubbles were also considered.
Description
Subject(s)
Obsahová relevance, doporučovací algoritmy, personalizace, umělá inteligence, uživatelské zásahy, YouTube