Hợp nhất lọc cộng tác và lọc nội dung bằng phương pháp học bán giám sát

Đỗ Thị Liên, Nguyễn Duy Phương, Từ Minh Phương

Abstract


Hệ tư vấn là hệ thống tự động cung cấp thông tin phù hợp và gỡ bỏ thông tin không phù hợp cho mỗi người dùng. Hệ tư vấn được xây dựng dựa trên hai kỹ thuật lọc thông tin chính: lọc cộng tác và lọc nội dung. Lọc nội dung thực hiện hiệu quả trên các loại tài liệu văn bản nhưng gặp phải vấn đề trích chọn đặc trưng trên các dạng thông tin đa phương tiện. Lọc cộng tác thực hiện tốt trên tất cả các dạng thông tin nhưng gặp phải vấn đề dữ liệu thưa, người dùng mới và sản phẩm mới. Trong bài báo này, chúng tôi đề xuất một phương pháp hợp nhất giữa lọc cộng tác và lọc nội dung bằng phương pháp đồng huấn luyện. Kết quả thử nghiệm trên các bộ dữ liệu thực tế cho thấy phương pháp đề xuất tận dụng hiệu quả ưu điểm và hạn chế đáng kể nhược điểm của mỗi phương pháp lọc truyền thống.

DOI: 10.32913/rd-ict.vol2.no38.358


Keywords


Collaborative filtering, content-based filtering, hybrid filtering, co-training, supervised learning, unsupervised learning, semi-supervised learning

References


M. D. Ekstrand, J. T. Riedl, J. A. Konstan et al., “Collaborative filtering recommender systems,” Foundations and Trends R in Human–Computer Interaction, vol. 4, no. 2, pp.

–173, 2011.

R. Burke, “Hybrid recommender systems: Survey and experiments,” User Modeling and User-Adapted Interaction, vol. 12, no. 4, pp. 331–370, 2002.

X. Su and T. M. Khoshgoftaar, “A survey of collaborative filtering techniques,” Advances in Artificial Intelligence, vol. 2009, pp. 1–20, 2009.

T. Miranda, M. Claypool, A. Gokhale, T. Mir, P. Murnikov, D. Netes, and M. Sartin, “Combining content-based and collaborative filters in an online newspaper,” in In Proceedings of ACM SIGIR Workshop on Recommender Systems, 1999.

M. J. Pazzani, “A framework for collaborative, content-based and demographic filtering,” Artificial Intelligence Review, vol. 13, no. 5-6, pp. 393–408, 1999.

A. Gunawardana and C. Meek, “A unified approach to building hybrid recommender systems,” in Proceedings of the third ACM Conference on Recommender Systems. ACM, 2009, pp. 117–124.

J. L. Herlocker, J. A. Konstan, L. G. Terveen, and J. T. Riedl, “Evaluating collaborative filtering recommender systems,” ACM Transactions on Information Systems (TOIS), vol. 22, no. 1, pp. 5–53, 2004.

A. Gunawardana and G. Shani, “A survey of accuracy evaluation metrics of recommendation tasks,” Journal of Machine Learning Research, vol. 10, no. Dec, pp. 2935–2962, 2009.

J. S. Breese, D. Heckerman, and C. Kadie, “Empirical analysis of predictive algorithms for collaborative filtering,” in Proceedings of the Fourteenth Conference on Uncertainty in Artificial Intelligence. Morgan Kaufmann Publishers Inc., 1998, pp. 43–52.

B. Sarwar, G. Karypis, J. Konstan, and J. Riedl, “Itembased collaborative filtering recommendation algorithms,” in Proceedings of the 10th International Conference on World Wide Web. ACM, 2001, pp. 285–295.

R. Burke, F. Vahedian, and B. Mobasher, “Hybrid recommendation in heterogeneous networks,” in International Conference on User Modeling, Adaptation, and Personalization. Springer, 2014, pp. 49–60.

S. Raghavan, S. Gunasekar, and J. Ghosh, “Review quality aware collaborative filtering,” in Proceedings of the sixth ACM Conference on Recommender systems. ACM, 2012, pp. 123–130.

J. Wang, A. P. De Vries, and M. J. Reinders, “Unifying userbased and item-based collaborative filtering approaches by similarity fusion,” in Proceedings of the 29th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. ACM, 2006, pp. 501–508.

http://www.grouplens.org/.

http://www.imdb.com/.


Full Text: PDF

CƠ QUAN CHỦ QUẢN: BỘ THÔNG TIN VÀ TRUYỀN THÔNG (MIC)
Giấp phép số 69/GP-TTĐT cấp ngày 26/12/2014.
Tổng biên tập: Vũ Chí Kiên
Tòa soạn: 110-112, Bà Triệu, Hà Nội; Điện thoại: 04. 37737136; Fax: 04. 37737130; Email: chuyensanbcvt@mic.gov.vn
Ghi rõ nguồn “Tạp chí Công nghệ thông tin và truyền thông” khi phát hành lại thông tin từ website này