| DC 欄位 |
值 |
語言 |
| DC.contributor | 資訊管理學系 | zh_TW |
| DC.creator | 莊清男 | zh_TW |
| DC.creator | Ching-Nan Chuang | en_US |
| dc.date.accessioned | 2005-6-20T07:39:07Z | |
| dc.date.available | 2005-6-20T07:39:07Z | |
| dc.date.issued | 2005 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:444/thesis/view_etd.asp?URN=92423035 | |
| dc.contributor.department | 資訊管理學系 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.abstract | 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。 | zh_TW |
| DC.subject | 基因演算法 | zh_TW |
| DC.subject | 推薦系統 | zh_TW |
| DC.subject | 資料挖礦 | zh_TW |
| DC.subject | data mining | en_US |
| DC.subject | recommender system | en_US |
| DC.subject | genetic algorithm | en_US |
| DC.title | 協同過濾式群體推薦 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |