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: 51,137,643

 Tư vấn bằng xếp hạng hàm ý thống kê trên dữ liệu không phải nhị phân
Tác giả hoặc Nhóm tác giả: ThS. Phan Phương Lan*; TS. Huỳnh Hữu Hưng; PGS.TS. Huỳnh Xuân Hiệp
Nơi đăng: Tạp chí Tạp chí Khoa học và Công nghệ; Số: Vol. 17, No. 1.1, 2019;Từ->đến trang: 107;Năm: 2019
Lĩnh vực: Xã hội nhân văn; Loại: Bài báo khoa học; Thể loại: Trong nước
TÓM TẮT
Bài báo đề xuất một mô hình tư vấn lọc cộng tác dựa trên người dùng sử dụng độ đo xếp hạng hàm ý thống kê cho dữ liệu không phải nhị phân để dự đoán các xếp hạng, từ đó gợi ý cho người cần tư vấn những mục dữ liệu phù hợp. Hiệu quả của mô hình đề xuất được đánh giá qua sai số của các dự đoán (sai số tuyệt đối trung bình và căn bậc hai của sai số bình phương trung bình); và được so sánh với hiệu quả của các mô hình tư vấn lọc cộng tác dựa trên người dùng sử dụng một trong hai độ đo phổ biến Pearson và Cosine của gói recommenderlab. Kết quả thực nghiệm trên các tập dữ liệu mẫu của MovieLens và Dating cho thấy mô hình đề xuất có sai số dự đoán thấp hơn so với các mô hình được so sánh khi số xếp hạng biết trước của người cần tư vấn nhiều hơn 2.
ABSTRACT
The paper proposes a recommendation model that uses the user based collaborative filtering approach and the statistical implicative rating measure on the non-binary data to predict the user ratings, then recommend the suitable items to users. The performance of the proposed model is evaluated by the metrics mean absolute error and root mean square error; and compared to some existing models of recommenderlab package - the user based collaborative filtering model using Cosine or Pearson. The experimental results on two datasets MovieLens and Dating show that the predictive errors of the proposed model is lower than that of compared models when the number of known ratings of user (needing the recommendation) is greater than 2.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn