隨著網際網路及電子商務的興起,大量的資訊充斥於網路上。面對這些資訊,使用者需要適當的工具來處理資訊的超載。就像我們每天處理決策過程會依賴推薦的行為,線上使用者也可以藉由其它有共同興趣使用者的推薦或是依循自己過去喜好的推薦而更快速、更準確地找尋所需的資訊。
傳統的推薦系統可分為協同過濾和內容為主過濾這兩種方法,但由於各有各的缺點,推薦系統便走向混合式的方式,希望能在保留自己的優點時也能解決各自的問題。所以本研究的目的在於提出一個混合式的文件推薦方法,結合其它有共同興趣使用者的喜好與使用者原本的喜好一起做推薦。本研究分為兩階段,第一階段將使用者原本的喜好藉由協同過濾來拓展使用者的喜好,在第二階段則是從拓展的喜好來建立使用者對文件字詞的喜好,再利用潛在語意索引提高推薦結果的準確率。
本研究提出兩個實驗來驗證,實驗的目的是比較本研究所提方法與其它二種推薦方法的表現。實驗的結果顯示,我們提出的方法能夠區別使用者不同喜好的程度,既可以推薦使用者喜歡的文件,也可以避免推薦使用者不喜歡的文件。這樣的特性使得本研究所提方法在實務上更具實用性。 |