Hệ thống gợi Ý sản phẩm trong bán hàng trực tuyến sử dụng kỹ thuật lọc cộng tác
Abstract
Recommender system(s) can recommend suitable items to users by using data about their past behavior to predict the future items that the users may like. In the recommender system, collaborative filtering is a technique which is used to assess the user's interest on new items (products). This technique is successfully applied in many applications. In the collaborative filtering systems, the users’ preference on new items is predicted based on the past user-item-preference (or user-item-rating) data. In this paper, we introduce the collaborative filtering technique which is based on neighborhood model to recommend products in an online shopping system. We implement this technique and compare its quality to the other baselines. Finally, we build an online shopping system to integrate the collaborative filtering technique to our system so that it can recommend suitable products to the users.
Tóm tắt
Hệ thống gợi ý có thể đưa ra những mục thông tin phù hợp cho người dùng bằng cách dựa vào dữ liệu về hành vi trong quá khứ của họ để dự đoán những mục thông tin mới trong tương lai mà người dùng có thể thích. Trong hệ thống gợi ý, lọc cộng tác là một kỹ thuật được dùng để đánh giá độ quan tâm của người dùng trên các sản phẩm mới. Kỹ thuật này được áp dụng thành công trong nhiều ứng dụng. Trong các hệ thống lọc cộng tác, sở thích của người dùng trên các sản phẩm mới được dự đoán dựa trên dữ liệu về sở thích của người dùng ? sản phẩm (hoặc đánh giá của người dùng trên sản phẩm) trong quá khứ. Trong bài viết này, chúng tôi giới thiệu kỹ thuật lọc cộng tác dựa trên mô hình láng giềng (mô hình lân cận) để gợi ý sản phẩm trong hệ thống bán hàng trực tuyến. Chúng tôi cài đặt kỹ thuật này và so sánh độ tin cậy của nó với các kỹ thuật cơ bản khác. Cuối cùng, chúng tôi xây dựng một hệ thống bán hàng trực tuyến có tích hợp kỹ thuật lọc cộng tác vào hệ thống để nó có thể gợi ý sản phẩm phù hợp cho người dùng.
Article Details
Tài liệu tham khảo
A. T¨oscher and M. Jahrer, “Collaborative filtering applied to educational data mining,” in Proceedings of the KDD Cup 2010 Workshop on Improving Cognitive Models with Educational Data Mining, Washington, DC, USA, 2010.
D. Goldberg, D.Nichols, B.M.Oki, and D.Terry, “Using collaborative filtering to weave an information tapestry” Communications of ACM, vol. 35, no. 12, pp. 61–70, 1992.
J. L. Herlocker, J. A. Konstan, L. G. Terveen, and J. T. Riedl, “Evaluating collaborative filtering recommender systems,” ACM Transactions on Information Systems, vol. 22, no. 1, pp. 5–53, January 2004.
J. L. Herlocker, J. A. Konstan, A. Borchers, and J. Riedl, “An algorithmic framework for performing collaborative filtering,” in Proceedings of the 22nd annual international ACM SIGIR conference on Research and development in information retrieval, ser. SIGIR ’99. New York, NY, USA: ACM, 1999, pp.230–237.[Online]. Available: http://doi.acm.org/10.1145/312624.312682.
L. Herlocker, J. A. Konstan, et al., An Algorithmic Framework for Performing Collaborative Filtering, Proceedings of the 22nd Annual International ACM SIGIR Conference, ACM Press, 1999, pp. 230–237.
N. Thai-Nghe, L. Drumond, A. Krohn-Grimberghe, and L. Schmidt-Thieme, “Recommender system for predicting student performance,” in Proceedings of the ACM RecSys 2010 Workshop on Recommender Systems for Technology Enhanced Learning (RecSysTEL 2010), vol. 1. Elsevier’s ProcediaComputer Science, 2010, pp. 2811 – 2819.
N. Thai-Nghe, L. Drumond, T. Horváth, A. Krohn-Grimberghe, A. Nanopoulos, and L. Schmidt-Thieme, “Factorization techniques for predicting student performance,” in Educational Recommender Systems and Technologies: Practices and Challenges (ERSAT 2011), O. C. Santos and J. G. Boticario, Eds. IGI Global, 2011.
P. Resnick, N. Iacovou, M. Suchak, P. Bergstrom, and J. Riedl, “Grouplens: an open architecture for collaborative filtering of netnews,” in Proceedings of the 1994 ACM conference on Computer supported cooperative work, ser. CSCW’94. New York, NY, USA: ACM, 1994, pp. 175–186.
P. Resnick, N. Iakovou, M. Sushak, P. Bergstrom, and J. Riedl. "GroupLens: An open architecture for collaborative filtering of netnews". In Proceedings of the 1994 Computer Supported Cooperative Work Conference, 1994.
U. Shardanand and P. Maes, “Social information filtering: algorithms for automating ’word of mouth’,” in Proceeding of the SIGCHI Conference on Human Factors in Computing Systems, ser. CHI ’95. New York, NY, USA: ACM Press/Addison-Wesley Publishing Co., 1995, pp. 210–217. [Online]. Available: http://dx.doi.org/10.1145/223904.223931.