協同過濾式群體推薦

NCU Institutional Repository > 管理學院 > 資訊管理研究所 > 博碩士論文 > Item 987654321/13210

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/13210

題名:	協同過濾式群體推薦
作者:	莊清男;Ching-Nan Chuang
貢獻者:	資訊管理研究所
關鍵詞:	基因演算法;推薦系統;資料挖礦;data mining;recommender system;genetic algorithm
日期:	2005-06-07
上傳時間:	2009-09-22 15:26:17 (UTC+8)
出版者:	國立中央大學圖書館
摘要:	過去在推薦系統(recommender systems)的研究上，主要針對單一的使用者(user)進行推薦。經由個人過去的消費模式，學習其興趣與嗜好，使系統在未來能為使用者在消費前進行個人化的推薦。但許多的消費行為，例如電影、餐廰用餐或旅遊等等，常常皆是與親朋好友群體(group)共同進行的活動。個人化的推薦並無法滿足群體的需求，而過去在群體推薦的研究上，群體推薦的產生大部份皆是以群體中，每位成員個人的評比(rating)為基礎，合併而成的結果。此結果乎略了群體成員間不同的地位與人格特質，在群體互動時對群體決策的影響，因此無法反應出每個成員在群體決策制定時不同的影響力。本文所介紹的群體推薦演算法是以群體的評比為基礎，可反應群體決策時群體成員間的互動關係。且若群體評比資料稀疏時，可利用基因演算法(Genetic Algorithms)訓練出群體中每位成員間決策時的強弱關係，以預測此群體對於相似商品的喜好度，藉此彌補資料稀疏的問題，增加群體推薦的準確度。實驗評估的結果在資料充足的情況，不使用基因演算法進行預測時即有不錯的準確度。而在資料稀疏的情況下，使用基因演算法進行預測確實可增加預測的準確度。群體推薦的結果能做為群體決策時的一個參考，更能滿足一般使用者在從事群體活動時的需求，此為一般個人化的推薦系統所無法逹到的要求。
顯示於類別:	[資訊管理研究所] 博碩士論文

文件中的檔案:

檔案	大小	格式	瀏覽次數

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....