Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/44483
Title: AN ENHANCED TRUST-BASED RECOMMENDER SYSTEM USING INFLUENCE OF TRUSTEE ON RATING PROPAGATION
Other Titles: ระบบแนะนำด้วยความเชื่อที่เพิ่มประสิทธิภาพโดยใช้อิทธิพลของผู้ที่มีความน่าเชื่อถือแบบการแพร่กระจายของความเห็น
Authors: Sajjawat Charoenrien
Advisors: Saranya Maneeroj
Other author: Chulalongkorn University. Faculty of Science
Advisor's Email: Saranya.M@Chula.ac.th
Subjects: Trust
Recommender systems (Information filtering)
ความไว้วางใจ
ระบบแนะนำข้อมูล (การกรองสารสนเทศ)
Issue Date: 2014
Publisher: Chulalongkorn University
Abstract: ระบบการให้คำแนะนำมักจะได้รับผลกระทบจากการที่มีข้อมูลไม่เพียงพอที่จะนำมาใช้ในการประมวลผลจึงทำให้ประสิทธิภาพของระบบให้คำแนะนำไม่ดีพอ ดังนั้นจึงได้มีการนำเครือข่ายสังคมเข้ามาใช้เป็นข้อมูลอีกชุดสำหรับการประมวลผล ซึ่งเรียกว่าระบบให้คำแนะนำโดยใช้ค่าความเชื่อระหว่างบุคคล โดยปกติระบบให้คำแนะนำโดยใช้ความเชื่อจะใช้ค่าความคล้ายคลึงกันระหว่างแต่ล่ะคู่ของผู้ใช้งานที่คำนวนมากจาก Co-rated Item เป็นค่าความเชื่อ แต่ทว่าการคำนวนค่าความเชื่อด้วยวิธีนี้นั้นไม่ได้สอดคล้องกับความเป็นจริง โดยปัญหาจากการใช้ค่าความคล้ายคลึงคือ 1. ค่าความคล้ายคลึงจะมีคุณสมบัติของความสมมาตรซึ่งทำให้ค่าความเชื่อระหว่างผู้ใช้สองคนนั้นเท่ากันแต่ทว่าค่าความเชื่อระหว่างผู้ใช้งานนั้นอาจจะไม่เท่ากันก็ได้ 2. การหา Co-rated Item ในชุดข้อมูลนั้นทำได้ยากจึงทำให้ไม่สามารถคำนวนหาค่าความคล้ายคลึงให้กับผู้ใช้งานทุกคนได้ 3. ค่าความคล้ายคลึงไม่ได้คำนึงถึงระดับความเชื่อของความห่างของผู้ใช้แต่ล่ะคนที่อยู่ไกลหรืออยู่ใกล้ การคำนวนค่าความเชื่อที่ไม่สมมาตรแบบใหม่จึงถูกสร้างขึ้นมาเพื่อแก้ไขปัญหาข้างต้นทั้งหมดโดยได้ประยุกต์ใช้รูปแบบจำลองของผู้ใช้แฝง ส่วนการทำนายผลนั้นระบบให้คำแนะนำโดยใช้ความเชื่อจะคำนวนโดยใช้การเฉลี่ยถ่วงน้ำหนักระหว่างค่าประเมินของผู้ใช้ที่ประเมินคะแนนให้กับสิ่งของชิ้นนั้นกับค่าความเชื่อของผู้ขอคำแนะนำที่มีต่อผู้ใช้ที่ประเมินคะแนน ในงานวิจัยชิ้นนี้ได้นำเสนอวิธีคำนวนค่าเฉลี่ยถ่วงน้ำหนักแบบใหม่โดยพิจารณาจากอิทธิพลของผู้ใช้งานในระดับต่างๆที่ส่งผลต่อผู้ขอคำแนะนำ และอีกทั้งได้เสนอใช้การสลับเปลี่ยนค่าประเมินแทนที่การใช้ค่าประเมินที่ได้จากผู้ใช้ที่ประเมินคะแนนโดยตรงเพื่อที่จะได้ปรับเปลี่ยนค่าประเมินของผู้ใช้ที่ประเมินคะแนนให้อยู่ในมุมมองของผู้ที่ขอคำแนะนำ ในการเพิ่มประสิทธิภาพของระบบให้คำแนะนำแบบความเชื่อนี้ถูกคาดหวังว่าสามารถเพิ่มความแม่นยำและสามารถให้คำแนะนำได้ครอบคลุมมากขึ้น
Other Abstract: The Recommender System (RS) suffers from sparse data problem, so the trust on social network is gathered to be additional data source. It is called trust based RS. The current trust based RS usually use similarity value between a pair of users generated from their co-rated items as a trust value. This is not applicable in the real world: 1. Similarity value provides symmetry relation, while trust value should be asymmetry relation. 2. Co-rated items are hard to discover, so some pair of users may not have the trust value. 3. Similarity value does not concern about trust level from remoteness between the users. A new asymmetry trust value calculation is produced to eliminate all above problems by applying latent user model. In rating prediction step, the current trust based RSs calculate prediction using weighted average on rating of raters where is the trust value of rater from active user acts as the weight. In this work, a new way to generate weight is proposed by considering the influence level of rater towards active use. In addition, transposed rating is proposed to use instead of directly rater’s rating in order to show the rater’s opinion in perspective view of active user. My enhanced trust based RS is expected to produce more accuracy and coverage recommendations.
Description: Thesis (M.Sc.)--Chulalongkorn University, 2014
Degree Name: Master of Science
Degree Level: Master's Degree
Degree Discipline: Computer Science and Information Technology
URI: http://cuir.car.chula.ac.th/handle/123456789/44483
URI: http://doi.org/10.14457/CU.the.2014.61
metadata.dc.identifier.DOI: 10.14457/CU.the.2014.61
Type: Thesis
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
5472609923.pdf1.77 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.