| 講 題 | 傳統與結合LDA之協同過濾推薦法在新穎性和相關性指標之比較 | | 講 者 | 屏東大學資訊管理系-蕭文峰,陳志正 | | 日 期 | 2017/10/25 | 長 度 | 00:12:24 | 人 氣 | 118 次 | | | 傳統推薦系統產生的推薦皆偏向熱門項目,雖然有較高的相關性,但容易讓使用者感到沒有幫助。本研究擬比較傳統協同過濾與結合LDA主題模型的協同過濾,以主題分布計算相似度產生LDA為基礎的推薦方法,再以相關性和新穎性的指標與傳統協同過濾的推薦方法進行比較。實驗結果顯示項目為基礎在新穎性表現最佳,在結合LDA之使用者為基礎相較傳統協同過濾的使用者為基礎在新穎性有所改善。在相關性表現方面,表現最佳是傳統協同過濾的使用者為基礎,在結合LDA之項目為基礎比項目為基礎在相關性有明顯的改善較好的結果。在結合LDA之項目為基礎犧牲新穎性但大幅度提高相關性的表現,在結合LDA之使用者為基礎犧牲較小的相關性提升了新穎性的表現。 | | 提 供 | TANET台灣網際網路研討會-TANET2017 | | |
|