Mô hình tư vấn lọc cộng tác tích hợp dựa trên tương đồng sản phẩm
Tóm tắt: 92
| 
PDF: 93 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
độ đo tương đồng
tư vấn lọc cộng tác
ma trận xếp hạng
ma trận tương đồng
ma trận tích hợp
Tóm tắt
Bài báo đề xuất một phương pháp để cải thiện độ chính xác của mô hình tư vấn lọc cộng tác dựa trên sản phẩm (IBCF) bằng cách tích hợp ma trận tương đồng dựa trên các thuộc tính sản phẩm vào quá trình xây dựng mô hình. Trong mô hình tư vấn lọc cộng tác dựa trên sản phẩm truyền thống, kết quả tư vấn được xây dựng chỉ dựa trên ma trận xếp hạng của người dùng cho các sản phẩm. Kết quả tư vấn của mô hình đề xuất được xây dựng dựa trên hai ma trận tương đồng:(1) ma trận tương đồng dựa trên giá trị hạng của người dùng cho các sản phẩm; (2) ma trận tương đồng dựa trên thông tin mô tả các sản phẩm. Thông qua thực nghiệm trên tập dữ liệu MSWeb cho thấy rằng mô hình đề xuất cho kết quả chính xác hơn mô hình tư vấn lọc cộng tác truyền thống.
Tài liệu tham khảo
-
[1] B. M. Sarwar, G. Karypis, J. A. Konstan, and J. Reidl, “Item-based collaborative filtering recommendation algorithms”, ACM WWW ’01, 2001, 10 (285–295).
[2] Bobadilla, Ortega, Hernando and Gutiérrez, “Recommender systems survey”, Knowledge-Based Systems 46 (2013), 2013, 23 (109–132).
[3] Dietmar Jannach, Markus Zanker, Alexander Felfernig and Gerhard Friedrich, Recommender Systems An Introduction, Cambridge University Press, ISBN 978-0-521-49336-9, 2011.
[4] F. Liu and H. J. Lee, “Use of social network information to enhance collaborative filtering performance”, Expert Systems with Applications 37(7), 2010, 6 (4772-4778).
[5] Francesco Ricci, Lior Rokach and Bracha Shapira, “Introduction to Recommender Systems Handbook”, Springer-Verlag and Business Media LLC, 2011, 35(1-35).
[6] G. Linden, B. Smith, and J. York, “Amazon.com recommendations: Itemto-item collaborative filtering”, IEEE Internet Computing, vol. 7, no. 1, 2003, 14 (76–80).
[7] Gabor Takacs et al, “Scalable collaborative filtering approaches for large recommender systems”, Journal of Machine Learning Research, 2009, 33 (623-656).
[8] Gunawardana A and Shani G, “A Survey of Accuracy Evaluation Metrics of Recommendation Tasks”, Journal of Machine Learning Research, v10, 2009, 27 (2935–2962).
[9] Guy Shani and Asela Gunawardana, “Evaluating Recommendation Systems”, Microsoft Research, 2009, 42 (1-42).
[10] Herlocker JL, Konstan JA, Terveen LG and Riedl JT, “Evaluating collaborative filtering recommender systems”, ACM Transactions on Information Systems, 22(1), ISSN 1046-8188, 2004, 42 (5–53).
[11] Hiep Xuan Huynh, Fabrice Guillet, Henri Briand, “ARQAT: An Exploratory Analysis Tool For Interestingness Measures”, 2005, 10 (334-344).
[12] Jack S. Breese, David Heckerman and Carl M. Kadie, “Anonymous web data from www.microsoft.com”, Microsoft Research, Redmond WA. 98052-6399. USA, 1998, https://kdd.ics.uci.edu/databases/msweb/msweb.html.
[13] Martin P. Robillard, Walid Maalej, Robert J. Walker and Thomas Zimmermann, Recommendation Systems in Software Engineering, Springer Heidelberg New York Dordrecht London, ISBN 978-3-642-45135-5 (eBook), 2014.
[14] Michael D. Ekstrand, John T. Riedl and Joseph A. Konstan, “Collaborative Filtering Recommender Systems”, Foundations and Trends in Human–Computer Interaction Vol. 4, No. 2 (2010), 2010,92 (81–173).
[15] Michael Hahsler, “recommenderlab: A Framework for Developing and Testing Recommendation Algorithms”, The Intelligent Data Analysis Lab at SMU, http://lyle.smu.edu/IDA/recommenderlab/, 2011.
[16] Michael Hahsler, “Lab for Developing and Testing Recommender Algorithms”, Copyright (C) Michael Hahsler (PCA and SVD implementation (C) Saurabh Bathnagar), http://R-Forge.R-project.org/projects/recommenderlab/, 2015.
[17] Michel Marie Deza and Elena Deza, Encyclopedia of Distances, Springer, 2014.
[18] Prem Meville and Vikas Sindhwani, “Recommender Systems. Encyclopedia of Machine Learning”, Springer-Verlag, 2010, 9 (829-838).
[19] Xiaoyuan Su and Taghi M. Khoshgoftaar, “A Survey of Collaborative Filtering Techniques”, Advances in Artificial Intelligence archive, Volume 2009, Article No. 4, 2009, 20
[20] (1-20).
Xem thêm
##plugins.themes.academic_pro.article.sidebar##
Đã Xuất bản
Jan 31, 2017
Download
Cách trích dẫn
Phan Quoc Nghia*; Dang Hoai Phuong; Huynh Xuan Hiep. “Mô hình Tư vấn lọc cộng tác tích hợp dựa Trên tương đồng sản phẩm”. Tạp Chí Khoa học Và Công nghệ Đại học Đà Nẵng, vol 1, số p.h 110, Tháng Giêng 2017, tr 55-58, https://jst-ud.vn/jst-ud/article/view/2288.
