一个藉由改善稀疏矩阵处理方式之协同过滤式推荐-朝阳科技大学机构.PDFVIP

一個藉由改善稀疏矩陣處理方式之協同過濾式推薦 *李麗華 李富民 陳柏良 鄭詠元 朝陽科技大學 朝陽科技大學 朝陽科技大學 朝陽科技大學 資訊管理系 資訊管理系 資訊管理系 資訊管理系 教授 副教授 研究生 研究生 lhli@.tw fmlee@.tw .tw .tw 摘要 recommendation, there are many researchers proposing great methodologies to handle user-item-matrix dataset, however, not many 現在網際網路科技的發達，網路資料量日 researchers deal with the performance of 益增多，使得 人們逐漸無法處理過於龐大的資 sparse matrix problem. This is the reason 料 ，也因此出現 了資訊過載(Information why this research proposes a novel solution Overloading)的議題 。當資料量變得龐大時 ,不 for collaborative filtering recommendation. 只會帶來資訊過載的問題，在資料儲存上也常 The proposed method has compared to the 會出現因使用者數目龐大、資料項目過多 而造 traditional Pearson Correlation Coefficient method and the results show that our 成稀疏矩陣 ，例如：擁有成千上百產品或數以 proposed method is better in terms of time 千計書籍的網路書城，其使用者 交易的書目通 efficient and precision. 常為個位數，因此 ”使用者 ”在數以千計的 ” Keywords: Recommender System, Collaborative 產品項目”項下 ，只能針對少數幾項產品有 交 Filtering, Sparsity Matrix 易資訊 ，如此就會形成資料儲存時的稀疏性 。 過去有許多學者提到稀疏性問題 ，然而在 1. 導論 協同過濾式推薦研究上 ，則較少有學者針對此 自從二十一世紀起人類即邁向網際網路時 一議題提具出有時效性之解決方法。有鑑於此 ， 代 [35] ，由於科技的發展讓網際網路的交易與 本研究提出一個藉由改善稀疏矩陣處理方式 流量蒸蒸日上[36] ，現今社會各式各樣的事務 之協同過濾式推薦 ，提升處理稀疏矩陣在運算 越來越依靠網際網路，讓網際網路成為不可或 上的時效性。本研究所提之方法較傳統常用的 缺的生活