應用於影片推薦系統的集群技術比較

淡江大學機構典藏 > 商管學院 > 統計學系暨研究所 > 學位論文 > Item 987654321/114437

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/114437

题名:	應用於影片推薦系統的集群技術比較
其它题名:	Comparisons of clustering techniques for movie recommender system
作者:	林宜潔;Lin, Yi-Jie
贡献者:	淡江大學統計學系碩士班陳景祥;Chen, Ching-Hsiang
关键词:	推薦系統;K-modes分群;K-means分群;類別型資料;Recommendation Systems;K-mode Clustering;Categorical data
日期:	2017
上传时间:	2018-08-03 14:52:34 (UTC+8)
摘要:	現今網路普及率極高，許多企業都選擇在網路上銷售產品。為了多類型產品的促銷，不少購物網站都會向瀏覽者推薦其他的產品，因而衍生出推薦系統的需求。推薦系統可以採用許多不同的技術來實作，其中集群分析(Clustering)為資料探勘中常被使用的分析方法，其主要原理為藉由資料間的相似特性將資料分群。此外，部分網站也讓消費者能夠給產品評分，藉以收集更多的推薦資訊。但在實務上，大部分的使用者會主動給予評分的狀況非常少，導致相關 K-means 等類似技術在計算時的矩陣稀疏性。為此，本論文比較可兼容分類變數的K-mode分群方法與採用數值資料的K-means分群法，探討兩者應用 Movielens線上影片評價資料製作推薦系統的預測成效。 Nowadays, information technology is well developed and there is lots of information on the Internet, including all kinds of product reviews and user information, which can be used to develop recommender systems. The techniques used in recommender systems include classification prediction, cluster analysis, association rule analysis, etc. Based on MovieLens movie review dataset, we develop and compare movie recommender systems using clustering techniques, with or without the presence of categorical user information. The result shows that our proposed movie recommender system via K-modes clustering method generally performs better than the traditional K-means method when the number of movies in the recommendation list is less than 40.
显示于类别:	[統計學系暨研究所] 學位論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	166	检视/开启

在機構典藏中所有的数据项都受到原著作权保护.

TAIR相关文章

数据加载中.....