請用此 Handle URI 來引用此文件:
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/47090
標題: | 使用評價維度媒合研究個人化推薦系統 A Personalized Recommendation System Using Aspect Matching |
作者: | Kai-Jie Ke 柯凱傑 |
指導教授: | 陳信希(Hsin-Hsi Chen) |
關鍵字: | Web2.0,意見分析,個人化推薦系統,產品摘要,潛在語意分析, Web 2.0,Opinion Analysis,Personalized Recommendation System,Product Summarization,Latent Semantic Analysis, |
出版年 : | 2010 |
學位: | 碩士 |
摘要: | 本研究利用評價維度媒合研究個人化餐廳推薦系統。從實際情境設想,當我們要將餐廳推薦給其他使用者時,會思考此餐廳的那些方面有其可取之處,那些方面則需要改進。而被推薦者得知這些資訊之後,可判斷推薦者提及的那些方面自己較為重視,那些方面較不在意,而判斷此餐廳是否適合該使用者。我們定義評價維度為被評論對象可供評分的面向,在給定評論的情形下,可從文字中抽取各個不同的評價維度,我們將評論分為兩種不同觀點,餐廳所收到的評論集合代表此餐廳的特性,某使用者所發出的評論集合則代表此使用者特性。對於評論集合,使用潛在語意分析將評論中可能為餐廳特色的文字分群,各群代表各個評價維度。在餐廳方面,使用意見分析技術計算餐廳在每個評價維度各收到何種意見,使用者方面則由評論計算出其在意的評價維度。這兩種資訊在結合後可計算餐廳跟使用者的媒合分數。對單一使用者所評過的多家餐廳,我們使用Kendall’s tau-b以及Precision@10 評估本系統排序以及使用者自評排序的值,觀察系統產生的答案與使用者自評星等有何差異。
本論文第一章介紹研究動機、目的、以及論文架構。第二章說明實驗語料的特性、處理方式。第三章說明系統的實作方式,對於可能影響推薦效果的因素做實驗,本系統Kendall’s tau-b最高分為0.182,Precision@10最高分為0.676。第四章討論將本系統與不考慮個人化因素的推薦系統結合的可能性。第五章對本研究做總結以及未來研究方向討論。 |
URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/47090 |
全文授權: | 有償授權 |
顯示於系所單位: | 電機工程學系 |
文件中的檔案:
檔案 | 大小 | 格式 | |
---|---|---|---|
ntu-99-1.pdf 目前未授權公開取用 | 1.44 MB | Adobe PDF |
系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。