การปรับปรุงเครือข่ายประสาทเทียมตามหลักการของระบบแนะนำบนข้อมูลที่มีลำดับ โดยใช้ความสัมพันธ์ของผู้ใช้ในส่วนของกระบวนการกรองแบบร่วม

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