การปรับปรุงการจัดกลุ่มข้อมูลด้วยต้นไม้ลำดับขั้นแบบสมดุล สำหรับระบบแนะนำภาพยนตร์ด้วยเทคนิคการคัดกรองแบบพึ่งพา

Modified BIRCH clustering technique for recommender systems based on collaborative filtering

Name: รัตน์ชัยนันท์ ธรรมสุจริต

keyword: เทคนิคตัวกรองเชิงร่วมมือ.

ThaSH: การวิเคราะห์จัดกลุ่ม

; ระบบแนะนำข้อมูล (การกรองสารสนเทศ)

ThaSH: ต้นไม้ตัดสินใจ

; ระบบแนะนำผลิตภัณฑ์.

ThaSH: พาณิชย์อิเล็กทรอนิกส์

; Collaborative Filtering.

Abstract: ระบบแนะนำผลิตภัณฑ์เป็นส่วนประกอบสำคัญยิ่งสำหรับธุรกิจในรูปแบบพาณิชย์อิเล็กทรอนิกส์ในการให้คำแนะนำทั้งในด้านผลิตภัณฑ์หรือบริการสำหรับลูกค้าแต่ละราย เทคนิคสำหรับระบบแนะนำที่ประสบความสำเร็จมากที่สุดวิธีหนึ่งคือ การคัดกรองแบบพึ่งพา (Collaborative Filtering) ซึ่งเป็นการค้นหากลุ่มตัวอย่างที่มีความคล้ายคลึงกับผู้ใช้งานหรือผลิตภัณฑ์ที่เป็นเป้าหมาย จากนั้นจึงพยากรณ์ความชอบของผู้ใช้งานที่มีต่อผลิตภัณฑ์ใด ๆ จากกลุ่มตัวอย่างเหล่านั้น ซึ่งการวัดประสิทธิภาพของเทคนิคการคัดกรองข้อมูลแบบพึ่งพาสำหรับงานวิจัยนี้มีอยู่สองประการคือ ความแม่นยำในการแนะนำและการตอบสนองต่อการใช้งาน การที่จะบรรลุประสิทธิภาพทั้งสองประการได้นั้น ระบบแนะนำผลิตภัณฑ์จำเป็นต้องมีคุณสมบัติที่จะรองรับ ปริมาณผู้ใช้งานเพิ่มขึ้นตามเวลา (Scalability) งานวิจัยนี้นำเสนอการปรับปรุงเทคนิคการจัดกลุ่มข้อมูลด้วยต้นไม้ลำดับขั้นแบบสมดุล (Balanced Iterative Reducing and Clustering Hierarchies, BIRCH) ร่วมกับการเติมข้อมูลว่างด้วยเทคนิคการเติมค่าจากกลุ่มข้อมูลข้างเคียง (K-Nearest Neighbor Imputation) เพื่อการลดมิติของข้อมูล โดยผลการทดลองกับชุดข้อมูลจาก Movielens แสดงประสิทธิภาพที่ได้จากการผสมผสานระหว่างการจัดกลุ่มข้อมูลกับเทคนิคการคัดกรองข้อมูล แบบพึ่งพาสามารถบรรลุประสิทธิภาพทั้งในด้านความแม่นยำและอัตราการตอบสนองได้ดี

Abstract: Recommender Systems is one of the core components in e-commerce business to find personalized recommendation for products or services to interactive users. Collaborative Filtering is successful technique applies to recommender systems for predicting list of recommendation to interactive users by finding neighborhood of users that has similar taste as active user for recommendation generation. Effectiveness of recommendation is considered in accuracy and response time. To achieve both, recommender systems require a scalability feature for handling massive customers in the system. In this paper, we propose a modified clustering algorithm from Balanced Iterative Reducing and Clustering Hierarchies (BIRCH) using recursive indexing approach and apply it to a movies recommender system with combination of collaborative filtering and KNN Imputation missing value. Experimental results on MovieLens dataset showed that the most effective algorithm is collaborative filtering with clustering in term of optimizing both accuracy and response time.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: พยุง มีสัจ

Role: อาจารย์ที่ปรึกษา

Email : pym@kmutnb.ac.th

Created: 2551

Modified: 2556-02-21

Issued: 2556-02-21

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: E-THESIS

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: ระบบสารสนเทศเพื่อการจัดการ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15594786.pdf	1.62 MB	82	2024-01-19 16:02:30

ใช้เวลา

0.033799 วินาที