ระบบผู้แนะนำแบบหลายเกณฑ์จากข้อมูลแบบไฮบริด
คำสำคัญ:
ระบบผู้แนะนำ, หลายเกณฑ์, เกณฑ์เดียว, ความชอบบทคัดย่อ
บทความนี้นำเสนอระบบผู้แนะนำแบบหลายเกณฑ์ด้วยวิธีการรวบรวมข้อมูลความชอบของผู้ใช้โดยทางอ้อม เพื่อแก้ปัญหาที่เกิดจากการรวบรวมจากผู้ใช้โดยตรง เนื่องจากการรวบรวมข้อมูลความชอบจากผู้ใช้ที่มีต่อไอเทมโดยตรงด้วยการให้ผู้ใช้ให้คะแนนแต่ละคุณลักษณะของไอเทมนั้น ในระบบผู้แนะนำแบบหลายเกณฑ์ต้องอาศัยความร่วมมือจากผู้ใช้เป็นอย่างมากและอาจนำไปสู่ความไม่สอดคล้องกันระหว่างข้อมูลความชอบที่ผู้ใช้มีต่อแต่ละคุณลักษณะของไอเทมกับความชอบโดยรวมที่มีต่อไอเทมนั้น บทความนี้นำเสนอวิธีการรวบรวมข้อมูลแบบไฮบรดิจากข้อมูลเดิมที่มีอยู่แล้ว ซึ่งประกอบไปด้วย 4 ขั้นตอนคือ 1) รวมข้อมูลความชอบที่ผู้ใช้มีต่อไอเทมโดยรวมเข้ากับข้อมูลคุณลักษณะของไอเทม 2) หา global criteria weights ที่อธิบายถึงความชอบของผู้ใช้ที่มีต่อคุณลักษณะโดยทั่วไปในไอเทมนั้น แทนที่จะพิจารณาจากความชอบโดยรวมเพียงอย่างเดียว 3) ทำการวิเคราะห์และสร้างเป็นข้อมูลความชอบของผู้ใช้ที่มีต่อแต่ละคุณลักษณะของไอเทม 4) ทำการวัดค่าระดับความเข้มข้นของแต่ละคุณลักษณะที่ปรากฏอยู่ในเนื้อหาของไอเทม จากนั้นนำข้อมูลเหล่านี้มาใช้ในการแนะนำไอเทมที่เหมาะสมที่สุดให้กับผู้ใช้เป็นรายเฉพาะบุคคล
References
Adomavicius, Gediminas, and Youngok Kwon. 2007. New Recommendation Techniques for Multicriteria Rating Systems. IEEE Intelligent Systems 22, no. 3: 48-55.
Adomavicius and Tuzhilin. 2005. Toward the Next Generation of Recommender Systems: A Survey of the. Knowledge and Data Engineering IEEE Transactions on 17, no. 6: 734--749.
Balabanovic, Marko, and Yoav Shoham. 1997. Fab : content-based , collaborative recommendation .( Special Section : Recommender Systems ). Commu nications of the ACM 66, March: 1-7.
Billsus, D., C. A. Brunk, C. Evans, B. Gladish, and M. Pazzani. Adaptive interfaces for ubiquitous web access. Commnications of the ACM, 45 no.5:34-38, 2002.
Bollen, Dirk, Bart P Knijnenburg, Martijn C Willemsen, and Mark Graus. 2010. Understanding choice overload in recommender systems. ACM International Conference on Recommender Systems RecSys, 63-70.
Burke, Robin. 2000. Knowledge-based recommender systems. Encyclopedia of Library and Information Systems 69, no. Supplement 32: 175–186.
Burke, Robin. 2002. Hybrid Recommender Systems: Survey and Experiments. User Modeling and User Adapted Interaction 12, no. 4: 331-370.
Burke, Robin. 2007. Hybrid Recommender Systems: The Adaptive Web. Springer Berlin Heidelberg: 377-408.
Deshpande, Mukund, and George Karypis. 2004. Item-Based Top-N Recommendation Algorithms. ACM Transactions on Information Systems 22, no. 1: 143-177.
Herlocker, J L, J A Konstan, A Borchers, and J Riedl. 1999. An algorithmic framework for performing collaborative filtering. Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 54: 230-237.
Kellar, M, C Watters, J Duffy, and M Shepherd. 2004. Effect of Task on Time Spent Reading as an Implicit Measure of Interest. Proc ASIS AM 04.
Konstan, J A, B N Miller, David Maltz, J L Herlocker, L R Gordon, and John Riedl. 1997. GroupLens: applying collaborative filtering to Usenet news. Communications of the ACM 40, no. 3: 77-87.
Lee, T, and Y Park. 2008. A time-based approach to effective recommender systems using implicit feedback. Expert Systems with Applications 34, no. 4: 3055-3062.
Lee, Wei-Po, Chih-Hung Liu, and Cheng-Che Lu. 2002. Intelligent agent-based systems for personalized recommendations in Internet commerce. Expert Systems with Applications 22, no. 4: 275-284.
Linden, G., B. Smith, and J. York. Amazon.com Recommendations: Item-to-Item Collaborative Filtering. IEEE Internet Computing, Jan.-Feb, 2003.
Manouselis, Nikos, and Constantina Costopoulou. 2007. Analysis and Classification of Multi-Criteria Recommender Systems. World Wide Web Internet and Web Information Systems 10, no. 4: 415-441.
Manouselis, Nikos. 2007. Experimental Analysis of Design Choices in Multiattribute Utility Collaborative Filtering. International Journal of Pattern Recognition and Artificial Intelligence 21, no. 2: 311.
Middleton, Stuart E, N R Shadbolt, and D C De Roure. 2004. Ontological User Profiling in Recommender Systems. ACM Transactions on Information Systems 22, no.1: 54-88.
Miller, Bradley N, Istvan Albert, Shyong K Lam, Joseph A Konstan, and John Riedl. 2003. MovieLens unplugged: experiences with an occasionally connected recommender system. Proceedings of the 8th international conference on Intelligent user interfaces: 263-266.
Marlin, B. Modeling User Rating Profiles for Collaborative Filtering. Proceedings of the 17th Annual Conference on Neural Information Processing Systems (NIPS’03), 2003.
MovieLens, Retrieved January 29, 2012 from http://www.grouplens.org/node/73/.
Oard, D., & Kim, J. (1998). Implicit Feedback for Recommender Systems. Proceedings of the AAAI Workshop on Recommender Systems: 81-83.
O’Donovan, John, and Barry Smyth. 2005. Trust in recommender systems. Proceedings of the 10th international conference on Intelligent user interfaces IUI 05 15, June: 167.
Palanivel K. and Sivakumar R. 2010. A Study On Implicit Feedback in Multicriteria E-Commerce Recommender System. Journal of Electronic Commerce Research 11, no. 2: 140-156.
Pazzani, Michael J. 1999. A Framework for Collaborative, Content-Based and Demographic Filtering. Artificial Intelligence Review 13, no. 5: 393-408.
Pittaya Poompiang, Wichian Premchaiswadi. 2010. User and Item Pattern Matching in Multi-criteria Recommender Systems. 11th ACIS International Conference on Software Engineering, Artificial Intelligences, Networking and Parallel/Distributed Computing, SNPD 2010, London, England, UK, June 9-11, 2010: 20-25.
Recker, Mimi M, and Andrew Walker. 2003. Supporting “word-of-mouth” social networks through collaborative information filtering. Journal Of Interactive Learning Research 14, no. 1.
Ricci, F, and H Werthner. 2002. Case base querying for travel planning recommendation. Tourism 3, no. 4: 215-226.
Rosset, S., E. Neumann, U. Eick, N. Vatnik, and Y. Idan. Customer Lifetime Value Modeling and Its Use for Customer Retention Planning. Proceeding of the 8th ACM SIGKDD International Conf. on Knowledge Discovery and Data Mining (KDD-2002), July 2002.
Schafer, J Ben, Dan Frankowski, Jon Herlocker, and Shilad Sen. 2007. Collaborative Filtering Recommender Systems. International Journal of Electronic Business 2, no. 1: 77.
Schafer, J Ben, Joseph A Konstan, and John Riedl. 2001. E-Commerce Recommendation Applications. Data Mining and Knowledge Discovery 5, no. 1: 115-153.
Schafer, J Ben, Joseph Konstan, and John Riedi. 1999. Recommender systems in e-commerce. Proceedings of the 1st ACM conference on Electronic commerce EC 99: 158-166.
Takács, Gábor, István Pilászy, Bottyán Németh, and Domonkos Tikk. 2008. Matrix factorization and neighbor based algorithms for the netflix prize problem. Proceedings of the 2008 ACM conference on Recommender systems RecSys 08: 267.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารสุทธิปริทัศน์ ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารสุทธิปริทัศน์ ถือเป็นลิขสิทธิ์ของวารสารสุทธิปริทัศน์หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารสุทธิปริทัศน์ก่อนเท่านั้น
