Thông tin ấn phẩm
000 LA-A
Nghiên cứu phương pháp lọc cộng tác dựa trên ngữ nghĩa và ứng dụng xây dựng chương trình gợi ý địa điểm
Tác giả: Lâm, Văn Ân,
Nhà xuất bản
Viện Đại Học Mở Hà NộiNăm xuất bản
2017Lần xuất bản
Đang cập nhậtNgôn ngữ
Tiếng ViệtTóm tắt
Đề tài tốt nghiệp của tôi nhằm xây dựng một hệ thống gợi ý địa điểm cho người dùng trong phạm vi thành phố Hà Nội. Hệ thống này sử dụng một kỹ thuật lọc tiếp cận lai, gọi là kỹ thuật lọc cộng tác dựa trên ngữ nghĩa SBCF (semantic-based collaborative fi
Đầu mục
Danh sách các kho đang có sẵn ấn phẩm
| Nơi lưu trữ | Có sẵn |
|---|---|
| Kho Luận văn | 2 |
Marc
Thông tin ấn phẩm theo chuẩn MARC 21
001
20907
002 7
004 50248AF2-B5FF-4887-AEC7-9ECD49DA4D8E
005 201804171532
008 081223s2017||||vm|#################vie#d
009 1 0
039 ## $a20180417153224 $bminhkhue $y20180330104453 $zminhkhue
082 ## $a000 $bLA-A
100 $aLâm, Văn Ân
245 ## $aNghiên cứu phương pháp lọc cộng tác dựa trên ngữ nghĩa và ứng dụng xây dựng chương trình gợi ý địa điểm / $cLâm Văn Ân; NHDKH TS Dương Thăng Long
260 ## $aH. : $bViện Đại Học Mở Hà Nội, $c2017
300 ## $a63 tr. ; $cA4
520 ## $aĐề tài tốt nghiệp của tôi nhằm xây dựng một hệ thống gợi ý địa điểm cho người dùng trong phạm vi thành phố Hà Nội. Hệ thống này sử dụng một kỹ thuật lọc tiếp cận lai, gọi là kỹ thuật lọc cộng tác dựa trên ngữ nghĩa SBCF (semantic-based collaborative filtering). Cụ thể hơn, kỹ thuật này sử dụng mô hình LDA (Latent Dirichlet Allocation) để phân tích đặc trưng ngữ nghĩa các dữ liệu mô tả địa điểm, sau đó sử dụng phương pháp lọc cộng tác dựa trên tài liệu (item-based Collaborative Filtering) đánh giá các đặc điểm ngữ nghĩa thu được từ mô hình LDA, từ đó đưa ra tập các thông tin gợi ý có độ tương đồng về ngữ nghĩa cao nhất với những thông tin mà người dùng yêu thích trong quá khứ. Các thông tin được tính toán ở đây là đặc trưng ngữ nghĩa của các địa điểm du dịch được trình bày bởi các đoạn text mô tả địa điểm lấy từ bộ dữ liệu. Phương pháp này không đi sâu vào phân tích tính chất, nội dung các mục đã yêu thích để giới thiệu các mục gần giống với mục mà người dùng quan tâm. Kết quả dự đoán là các mục ngẫu nhiên thuộc nhiều chủ đề, thể loại khác nhau. Phương pháp lọc cộng tác dựa trên nhóm người dùng tương đồng mà nhóm người dùng đó có thể thích nhiều thể loại, chủ thế khác nhau nên các mục tư vấn dựa trên sở thích của họ cũng sẽ thuộc nhiều chủ đề, thể loại khác nhau. Điều này là điều mà các nhà cung cấp mong muốn, giới thiệu nhiều mục khác nhau đến với người sử dụng.
653 ## $aỨng dụng
653 ## $aĐịa điểm
653 ## $aNgữ nghĩa
653 ## $aXây dựng chương trình
653 ## $aPhương pháp lọc cộng tác
852 ## $a01 $bKho Luận văn $j(2): 01501453, 08100622
856 1# $uhttp://thuvien.hou.edu.vn/houkiposdata1/luanvanluanankhoaluan/luanvan/2017/005/lamvanan/lamvanan_01thumbimage.jpg
890 ## $a2 $c1
002 7
004 50248AF2-B5FF-4887-AEC7-9ECD49DA4D8E
005 201804171532
008 081223s2017||||vm|#################vie#d
009 1 0
039 ## $a20180417153224 $bminhkhue $y20180330104453 $zminhkhue
082 ## $a000 $bLA-A
100 $aLâm, Văn Ân
245 ## $aNghiên cứu phương pháp lọc cộng tác dựa trên ngữ nghĩa và ứng dụng xây dựng chương trình gợi ý địa điểm / $cLâm Văn Ân; NHDKH TS Dương Thăng Long
260 ## $aH. : $bViện Đại Học Mở Hà Nội, $c2017
300 ## $a63 tr. ; $cA4
520 ## $aĐề tài tốt nghiệp của tôi nhằm xây dựng một hệ thống gợi ý địa điểm cho người dùng trong phạm vi thành phố Hà Nội. Hệ thống này sử dụng một kỹ thuật lọc tiếp cận lai, gọi là kỹ thuật lọc cộng tác dựa trên ngữ nghĩa SBCF (semantic-based collaborative filtering). Cụ thể hơn, kỹ thuật này sử dụng mô hình LDA (Latent Dirichlet Allocation) để phân tích đặc trưng ngữ nghĩa các dữ liệu mô tả địa điểm, sau đó sử dụng phương pháp lọc cộng tác dựa trên tài liệu (item-based Collaborative Filtering) đánh giá các đặc điểm ngữ nghĩa thu được từ mô hình LDA, từ đó đưa ra tập các thông tin gợi ý có độ tương đồng về ngữ nghĩa cao nhất với những thông tin mà người dùng yêu thích trong quá khứ. Các thông tin được tính toán ở đây là đặc trưng ngữ nghĩa của các địa điểm du dịch được trình bày bởi các đoạn text mô tả địa điểm lấy từ bộ dữ liệu. Phương pháp này không đi sâu vào phân tích tính chất, nội dung các mục đã yêu thích để giới thiệu các mục gần giống với mục mà người dùng quan tâm. Kết quả dự đoán là các mục ngẫu nhiên thuộc nhiều chủ đề, thể loại khác nhau. Phương pháp lọc cộng tác dựa trên nhóm người dùng tương đồng mà nhóm người dùng đó có thể thích nhiều thể loại, chủ thế khác nhau nên các mục tư vấn dựa trên sở thích của họ cũng sẽ thuộc nhiều chủ đề, thể loại khác nhau. Điều này là điều mà các nhà cung cấp mong muốn, giới thiệu nhiều mục khác nhau đến với người sử dụng.
653 ## $aỨng dụng
653 ## $aĐịa điểm
653 ## $aNgữ nghĩa
653 ## $aXây dựng chương trình
653 ## $aPhương pháp lọc cộng tác
852 ## $a01 $bKho Luận văn $j(2): 01501453, 08100622
856 1# $uhttp://thuvien.hou.edu.vn/houkiposdata1/luanvanluanankhoaluan/luanvan/2017/005/lamvanan/lamvanan_01thumbimage.jpg
890 ## $a2 $c1
×
![]()