Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/64280
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | ศรันญา มณีโรจน์ | - |
| dc.contributor.author | ศุภพัฒน์ นิรัตติวงศกรณ์ | - |
| dc.contributor.author | ปาณิสรา ศโรภาส | - |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์ | - |
| dc.date.accessioned | 2020-03-02T07:54:17Z | - |
| dc.date.available | 2020-03-02T07:54:17Z | - |
| dc.date.issued | 2561 | - |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/64280 | - |
| dc.description | โครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2561 | en_US |
| dc.description.abstract | ในปัจจุบันระบบแนะนำได้เข้ามามีส่วนช่วยในการแนะนำสินค้า และบริการต่าง ๆ ให้กับผู้ใช้เพื่อให้ผู้ขายสินค้าสามารถนำเสนอสินค้าที่ตนมีได้ดียิ่งขึ้น และช่วยให้ผู้ซื้อได้สินค้าที่เหมาะกับตนเอง โดยทั่วไปวิธีการที่ใช้ในระบบแนะนำสามารถจำแนกได้เป็นสองวิธีพื้นฐานคือ เทคนิคการคัดกรองแบบอิงเนื้อหา (Content-based) และเทคนิคการคัดกรองแบบร่วม (Collaborative Filtering) สำหรับวิธีเทคนิคการคัดกรองแบบอิงเนื้อหา (Content-based) จะเลือกแนะนำโดยพิจารณาจากการนำคุณลักษณะของสินค้าที่ผู้ใช้เคยเห็นหรือเคยใช้ ซึ่งจะมีข้อจำกัดที่จะไม่มีการแนะนำสินค้าประเภทอื่นที่ผู้ใช้ไม่เคยใช้ ส่วนเทคนิคการคัดกรองแบบร่วม (Collaborative Filtering) จะเลือกแนะนำโดยการนำข้อมูลของเพื่อน (ผู้ใช้รายอื่น ๆ ในระบบที่มีมาลักษณะความชอบที่คล้ายคลึงกับผู้ใช้เป้าหมาย) นั่นคือ การนำคะแนนความชอบต่อสินค้าของเพื่อนในระบบที่ได้ให้ไว้ค่อนข้างสูงมาช่วยในการวิเคราะห์ จากนั้นจึงทำการแนะนำสินค้าใหม่ที่มีความหลากหลายให้แก่ผู้ใช้เป้าหมาย แต่ข้อกำจัดของเทคนิคนี้คือในระบบจะต้องมีจำนวนผู้ใช้ที่เพียงพอเพื่อให้ระบบสามารถค้นหาเพื่อนที่มีลักษณะความชอบที่ใกล้เคียงกับผู้ใช้เป้าหมายได้ ปัจจุบันมีงานวิจัยที่มีการนำ Neural network หรือเครือข่ายประสาทเทียมเข้ามาช่วยทำการวิเคราะห์และทำนายผล เนื่องจากเครือข่ายประสาทเทียมนี้ช่วยเพิ่มความสามารถให้คอมพิวเตอร์สามารถวิเคราะห์ข้อมูลที่มีความซับซ้อนได้ มาใช้ในระบบแนะนำ โดยระบบแนะนำบนเครือข่ายประสาทเทียมส่วนใหญ่จะแบ่งออกเป็นสองฝั่งคือฝั่งผู้ใช้และฝั่งสินค้า โดยทางฝั่งผู้ใช้เลือกใช้เทคนิคการกรองแบบอิงเนื้อหาเพื่อค้นหาสินค้าที่ผู้ใช้เป้าหมายมีแนวโน้มว่าจะชอบต่อไปจากสินค้าที่ผู้ใช้เป้าหมายเคยใช้ และทางฝั่งสินค้าเลือกใช้เทคนิคการกรองแบบร่วมเพื่อค้นหาสินค้าที่ผู้ใช้เป้าหมายมีแนวโน้มว่าจะชอบต่อไปจากการข้อมูลการใช้สินค้าของเพื่อน แต่ในปัจจุบันเครือข่ายประสาทเทียมบนระบบแนะนำมีข้อจำกัดคือในฝั่งของสินค้าไม่มีการนำความสัมพันธ์ (Relation) ระหว่างผู้ใช้เป้าหมายและเพื่อนมาวิเคราะห์จึงอาจส่งผลให้ผลลัพธ์คลาดเคลื่อนได้ ดังนั้นในโครงงานนี้จะเสนอเครือข่ายประสาทเทียมตามหลักการของระบบแนะนำแบบใหม่โดยการปรับปรุงเครือข่ายประสาทเทียมในส่วนของการคัดกรองแบบร่วม โดยการนำค่าความสัมพันธ์ (Relation) ระหว่างผู้ใช้เข้ามาพิจารณา เพื่อให้ระบบแนะนำสามารถทำนายคะแนนความชอบของผู้ใช้ต่อสินค้าให้มีความคลาดเคลื่อนน้อยลง | en_US |
| dc.description.abstractalternative | In recent years, the recommendation systems have been widely used to help users discover items which they may like. Generally, recommendation systems have two types of filtering methods which are contents-based filtering and collaborative filtering. Content-based filtering recommends the similar items which the users liked in the past by matching the attributes of a user profile and item profile. However, it still has limitations that it has never recommended items outside the past user preference. Another type of method is collaborative filtering which recommends items by using opinion of neighbors (users who have similar taste with the target user). Then the items liked by neighbors and the target user has never seen before can be recommended. But the limitations of this method are that it needs sufficient users and it can not recommend any item to someone with unique preference. Nowadays, some recent works have applied Neural Network (NN) which is one of the machine learning algorithms and can handle with complicated data. Neural Network based recommendation usually has two sides. One is the user’s side using content-based filtering to find the next interesting items based on target user’s past preference. The other is a item’s side using collaborative filtering to find the next interesting items that neighbors liked. However, the current Neural Network based recommendation methods have disadvantages that in the item’s side they do not consider the relation between the target user and neighbors. This leads the results trend to be incorrect. In this work, we propose a new Neural Network based recommendation method by improving Neural Network on Collaborative Filtering part using additional information which is user relations. | en_US |
| dc.language.iso | th | en_US |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.title | การปรับปรุงเครือข่ายประสาทเทียมตามหลักการของระบบแนะนำบนข้อมูลที่มีลำดับ โดยใช้ความสัมพันธ์ของผู้ใช้ในส่วนของกระบวนการกรองแบบร่วม | en_US |
| dc.title.alternative | Improving neural network based recommendation system on temporal data using user relation in collaborative filtering part | en_US |
| dc.type | Senior Project | en_US |
| dc.email.advisor | Saranya.M@Chula.ac.th | - |
| Appears in Collections: | Sci - Senior Projects | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Suppapat_N_Se_2561.pdf | 1.07 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.