การสร้างแบบจำลองโปรไฟล์ผู้ใช้ซึ่งมาจากหัวเรื่องสำหรับการแนะนำสถานที่เฉพาะบุคคล

Topical user profile modeling for personalized place recommendation

Name: พัสกร คันธาอาภา

keyword: การวัดความคล้ายคลึง

; การแนะนำสถานที่

; บริการข้อมูลเชิงพื้นที่

ThaSH: ระบบแนะนำข้อมูล (การกรองสารสนเทศ)

ThaSH: โทรศัพท์เคลื่อนที่ -- โปรแกรมคอมพิวเตอร์

ThaSH: ระบบกำหนดตำแหน่งบนโลก

ThaSH: อัลกอริทึม

ThaSH: บริการสารสนเทศแบบออนไลน์

Abstract: บริการข้อมูลเชิงพื้นที่ (LBS) กำลังได้รับความนิยมสูงมากในปัจจุบัน เนื่องจากความก้าวหน้าของเทคโนโลยีบนสมาร์ทโฟน ทำให้สามารถค้นหาสถานที่ในบริเวณใกล้เคียงได้ทุกที่ทุกเวลา LBS บางแห่งยังอนุญาตให้ผู้ใช้สามารถเช็คอินสถานที่ต่าง ๆ เพื่อแชร์ให้กับผู้ใช้คนอื่น และด้วยจำนวนผู้ใช้ที่เพิ่มมากขึ้นอย่างต่อเนื่อง ทำให้การค้นหาสถานที่ซึ่งน่าสนใจ (POI) ทำได้ยากขึ้นเนื่องจากในบางพื้นที่อาจมีสถานที่ซึ่งคล้ายกันเป็นจำนวนมาก และผู้ใช้อาจไม่สามารถอธิบายความต้องการเกี่ยวกับสถานที่ซึ่งเขาสนใจจริง ๆ ทำให้มีงานวิจัยจำนวนหนึ่งนำเสนอเทคนิคการทำนาย POI สำหรับผู้ใช้ โดยใช้ข้อมูลการเช็คอินสถานที่ของผู้ใช้ เทคนิคส่วนใหญ่ใช้อัลกอริทึม Collaborative Filtering (CF) ซึ่งนิยมใช้กันมากในระบบแนะนำทั่วไป อัลกอริทึม CF อาจไม่เหมาะกับปัญหาการทำนาย POI ของผู้ใช้ เนื่องจากคุณลักษณะของข้อมูลการเช็คอินสถานที่ของผู้ใช้ใน LBS ค่อนข้างมีความแตกต่างกับคุณลักษณะของข้อมูลอินพุตซึ่งก็คือเมตริกซ์ User-Item Rating ซึ่งถูกใช้ในอัลกอริทึม CF ทั่วไป จะส่งผลกระทบโดยตรงต่อการคำนวณความคล้ายคลึงกันระหว่างผู้ใช้ ในงานวิจัยนี้ได้นำเสนอเทคนิคใหม่ในการเพิ่มประสิทธิภาพสำหรับการทำนาย POI ของผู้ใช้ โดยสร้างแบบจำลองหัวข้อเพื่อเรียนรู้หัวข้อความสนใจของผู้ใช้จากข้อมูลเนื้อหาที่เกี่ยวข้องกับ POI ของผู้ใช้ จากนั้นจะอนุมานการกระจายหัวข้อของ POI ตามการกระจายหัวข้อคำที่เรียนรู้ เพื่อนำไปปรับน้ำหนักหัวข้อความสนใจของผู้ใช้สำหรับการแนะนำสถานที่เฉพาะบุคคล งานวิจัยนี้จึงได้วิธีการสร้างแบบจำลองโปรไฟล์ผู้ใช้ซึ่งมาจากหัวเรื่องสำหรับการแนะนำสถานที่เฉพาะบุคคล สำหรับการทำนาย POI ของผู้ใช้ ที่มีประสิทธิภาพความแม่นยำสูง

Abstract: Location-based service has become popular due to the advancement of technology on smartphones. Make the smartphone to find nearby places at any time. Some LBS also allow users to check-ins to places for share with other users. With a growing number of users make it more difficult to find point of interest (POI) because some location may have similarity places and the user may not be able to a place that he/she really interest. A lot of researcher have presented a technique for predicting POIs for users by using user check-ins history. Most techniques use Collaborative filtering (CF). CF algorithm may not be suitable for user prediction of POI due to the feature of the user's check-in facility, the LBS is quite different from the feature of input data. It directly affects the calculation of similarity between users. We propose in this paper a novel method to discover user profiles for POI recommendation. We first use topic modeling to learn user’s interest topics from content information associated with POIs that he/she has visited. We then infer topic distribution of POI based on the learned word-topic distribution to re-weight the user interest topics for personalized place recommendation. This research is therefore a method to created Topic-based user profile model for POI recommendation with highly performance.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: ลือพล พิพานเมฆาภรณ์

Role: ที่ปรึกษาวิทยานิพนธ์

Email : luepol.p@sci.kmutnb.ac.th

Created: 2560

Modified: 2561-11-14

Issued: 2561-10-01

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: วิทยาการคอมพิวเตอร์

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B16176807.pdf	3.79 MB	15	2022-02-19 07:48:59

ใช้เวลา

0.038724 วินาที