English
| 正體中文 |
简体中文
|
全文筆數/總筆數 : 62830/95882 (66%)
造訪人次 : 4058696 線上人數 : 599
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by
NTU Library & TKU Library IR team.
搜尋範圍
全部機構典藏
全球發展學院
資訊創新與科技學系
--會議論文
查詢小技巧:
您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
進階搜尋
主頁
‧
登入
‧
上傳
‧
說明
‧
關於機構典藏
‧
管理
淡江大學機構典藏
>
全球發展學院
>
資訊創新與科技學系
>
會議論文
>
Item 987654321/118338
資料載入中.....
書目資料匯出
Endnote RIS 格式資料匯出
Bibtex 格式資料匯出
引文資訊
請使用永久網址來引用或連結此文件:
https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/118338
題名:
基於頻繁項目集之增量協同過濾推薦
作者:
陳以錚
;
惠霖
;
王英宏
;
劉瀜潞
;
陳瑄莉
關鍵詞:
增量式頻繁項目集探勘
;
規範序列樹
;
協同過濾
;
推薦系統
日期:
2018-11
上傳時間:
2020-03-19 12:11:08 (UTC+8)
摘要:
近年來「推薦系統」的技術越來越蓬勃發展,透過協同過濾的方式,根據用戶的興趣或購買行為,對物品的「評分」或「偏好」,向用戶進行推薦,此技術也廣泛應用在各個領域,例如:電影、書籍、美食…等。傳統的協同過濾是透過用戶相似的偏好,去預測你個人的偏好,進一步把其他跟你相似的人所喜愛的物品推薦給你,達到個人化的推薦效果。然而,對於新進的用戶,該如何進行有效的推薦,是一個值得思索的問題。因此本研究運用使用者對電影的喜好,透過樹的建構,將每筆數據依序插入樹中。當找出頻繁項目集後,再利用協同過濾,找出相似的使用者,進一步去做推薦。本文也將對於新使用者的加入,透過增量式挖掘,將採用規範序列樹Canonical-order tree (Can Tree)方法,將數據庫的數據都儲存於Can Tree中,再以FP-growth的方式對Can Tree進行探勘,找出頻繁項目集。接著利用協同過濾的方式,計算使用者之間的相似性,找出要對使用者推薦的項目集清單,最後使用預測函數進行推薦。
關聯:
TANET2018 臺灣網際網路研討會,頁482 - 487
DOI:
10.6861/TANET.201810.0092
顯示於類別:
[資訊創新與科技學系] 會議論文
文件中的檔案:
檔案
描述
大小
格式
瀏覽次數
index.html
0Kb
HTML
82
檢視/開啟
在機構典藏中所有的資料項目都受到原著作權保護.
TAIR相關文章
DSpace Software
Copyright © 2002-2004
MIT
&
Hewlett-Packard
/
Enhanced by
NTU Library & TKU Library IR teams.
Copyright ©
-
回饋