Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 106,834,749
Mô hình tư vấn lọc cộng tác tích hợp dựa trên tương đồng sản phẩm
Tác giả hoặc Nhóm tác giả:
ThS. Phan Quốc Nghĩa*; TS. Đặng Hoài Phương; PGS.TS. Huỳnh Xuân Hiệp
Nơi đăng:
Tạp chí Khoa học Công nghệ ĐHĐN;
S
ố:
Số 1(110).2017;
Từ->đến trang
: 59;
Năm:
2017
Lĩnh vực:
Xã hội nhân văn;
Loại:
Bài báo khoa học;
Thể loại:
Trong nước
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.
ABSTRACT
In this paper, we propose a method to improve the accuracy of item-based collaborative filtering recommendation model (IBCF) by integrating the similarity matrix based on the information of item attributes into the process of building recommendation model. It is called integrated recommendation model. In the traditional item-based collaborative filtering recommendation model, the recommendation results are built based only on the rating matrix of users for the items. In this integrated recommendation model, the recommendation results are based on two similarity matrices: the similarity matrix based on the rating value of users for items and the similarity matrix based on the information of item attributes. Through experiments on MSWeb dataset, it shows that the results of our recommendation model are more accurate than the results of traditional item-based collaborative filtering recommendation model.
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn