Tư vấn lai ghép dựa trên các độ đo hàm ý thống kê. Tạp chí Khoa học Trường Đại học Cần Thơ

Abstract

This paper proposes a hybrid recommendation model based on statistical implicative measures to suggest a list of top N items to an active user. The proposed model is built on two sub-models: the user-based collaborative filtering model and the association rule based model. The hybrid recommendation model is compared to its sub-models and some existing models such as latent factor model, popular model, and user-based collaborative filtering using Cosine on two datasets MSWeb and DKHP. The experimental results show that the performance of the proposed model is better than the compared models.

Tóm tắt

Bài báo này đề xuất một mô hình tư vấn lai ghép dựa trên các độ đo hàm ý thống kê nhằm gợi ý cho người dùng danh sách các mục dữ liệu phù hợp. Mô hình đề xuất được xây dựng trên hai mô hình con: tư vấn lọc cộng tác dựa trên k láng giềng (người dùng) gần nhất và tư vấn dựa trên tập luật kết hợp. Mô hình tư vấn lai ghép được đánh giá trên hai tập dữ liệu MSWeb và DKHP khi so với các mô hình con của nó và một số mô hình tư vấn hiện có như: dựa trên nhân tố tiềm ẩn, dựa trên các mục dữ liệu phổ biến nhất, và lọc cộng tác dựa trên người dùng sử dụng độ đo Cosine. Kết quả thực nghiệm cho thấy mô hình đề xuất có hiệu suất cao hơn so với các mô hình đó.