• English
    • ไทย
  • ไทย 
    • English
    • ไทย
  • เข้าสู่ระบบ
ดูรายการข้อมูล 
  •   หน้าแรกของ คลังปัญญา
  • หน่วยงาน
  • สำนักบริการการศึกษาและบรรณสาร
  • In Processing
  • Dissertations, Theses, Term Papers
  • ดูรายการข้อมูล
  •   หน้าแรกของ คลังปัญญา
  • หน่วยงาน
  • สำนักบริการการศึกษาและบรรณสาร
  • In Processing
  • Dissertations, Theses, Term Papers
  • ดูรายการข้อมูล
JavaScript is disabled for your browser. Some features of this site may not work without it.

เรียกดูข้อมูล

ข้อมูลทั้งหมดของ คลังปัญญาชุมชน & กลุ่มข้อมูลวันที่เผยแพร่ผู้แต่งชื่อเรื่องหัวเรื่องวันที่เพิ่มข้อมูลประเภททรัพยากรกลุ่มข้อมูลนี้วันที่เผยแพร่ผู้แต่งชื่อเรื่องหัวเรื่องวันที่เพิ่มข้อมูลประเภททรัพยากร

บัญชีของฉัน

เข้าสู่ระบบ

A Cold-start Hybrid Context Recommendation System for Casual Restaurant

การใช้ระบบแนะนำแบบผสมในการแก้ปัญหาผู้ใช้งานระบบรายใหม่ร่วมกับการใช้บริบทสำหรับร้านอาหาร

by Pimchanok Patumchat; พิมพ์ชนก ปทุมชาติ; Worapol Pongpech; วรพล พงษ์เพ็ชร; National Institute of Development Administration. School of Applied Statistics

ชื่อเรื่อง:

A Cold-start Hybrid Context Recommendation System for Casual Restaurant
การใช้ระบบแนะนำแบบผสมในการแก้ปัญหาผู้ใช้งานระบบรายใหม่ร่วมกับการใช้บริบทสำหรับร้านอาหาร

ผู้ร่วมงาน:

National Institute of Development Administration. School of Applied Statistics

ผู้ควบคุมงานวิจัย:

Worapol Pongpech
วรพล พงษ์เพ็ชร

วันที่เผยแพร่:

NaN/2021

หน่วยงานที่เผยแพร่:

National Institute of Development Administration

บทคัดย่อ/เนื้อเรื่องย่อ:

Recommendation systems are used in a variety of industries. The goal of these systems is to identify satisfying selections of items for users. Traditional approaches are classified into several methods, such as Collaborative Filtering and Content-based Filtering. However, significant problems such as scalability, data sparsity, and cold-start are still observed. In this paper, we focused on the cold-start problem for new users. We introduced a hybrid-approach by combining demographic and similarity age functions, together with machine learning and conditional contexts from the dataset of a Thailand-based restaurant. The result shows that the proposed model's accuracy is higher than the random recommendation and the top menu recommendation, 16% and 10%, respectively. Moreover, we also discussed the implicit rating function for existing customers with no explicit ratings in this study. We found that it could be applied to the restaurant dataset and converted into an implicit rating which could be used to predict the existing customer ratings.
ปัจจุบันระบบแนะนำสินค้าถูกนำมาใช้อย่างแพร่หลายในหลายอุตสาหกรรม โดยจุดประสงค์ของระบบแนะนำคือเพื่อแนะนำสินค้าที่คาดว่าลูกค้าจะชื่นชอบได้ถูกต้อง โดยวิธีการแนะนำสินค้าแบบดั้งเดิมมีหลายวิธี เช่น วิธีการกรองร่วมกัน วิธีการกรองแบบอิงเนื้อหา อย่างไรก็ตามวิธีเหล่านี้ก็ยังประสบปัญหาสำคัญบางประการ เช่น ความสามารถในการปรับขนาด ข้อมูลมีปริมาณน้อย หรือผู้ใช้งานระบบรายใหม่ โดยงานวิจัยนี้จะมุ่งเน้นไปที่ปัญหากรณีผู้ใช้งานระบบรายใหม่ ซึ่งได้นำเสนอวิธีแบบผสมในการแก้ปัญหาโดยใช้ข้อมูลประชากรศาสตร์ของลูกค้าและฟังก์ชันอายุร่วมกับวิธีการเรียนรู้ของเครื่องจักรและบริบทอย่างมีเงื่อนไข โดยใช้ข้อมูลจากธุรกิจร้านอาหารหนึ่งในประเทศไทย จากผลการดำเนินงานพบว่าประสิทธิภาพของโมเดลที่นำเสนอมีค่าความถูกต้องในการแนะนำสูงกว่าวิธีการแนะนำแบบสุ่มและแนะนำด้วยเมนูยอดนิยมที่ร้อยละ 16 และ 10 ตามลำดับ อีกทั้งนำเสนอวิธีการคิดคะแนนความชื่นชอบโดยนัยของลูกค้ารายเก่าในกรณีที่ร้านอาหารไม่มีคะแนนความชื่นชอบจากลูกค้าโดยตรง โดยพบว่าฟังก์ชันการคิดคะแนนความชื่นชอบที่นำเสนอนั้นสามารถนำไปประยุกต์ใช้กับข้อมูลของธุรกิจร้านอาหารได้จริงและสามารถแปลงเป็นค่าคะแนนความชื่นชอบโดยนัยที่นำไปใช้ในการทำนายคะแนนความชื่นชอบของลูกค้ารายเก่าในลำดับต่อไปได้

รายละเอียดเพิ่มเติม:

Master of Science (Business Analytics and Data Science) (M.S. (Business Analytics and Data Science))
วิทยาศาสตรมหาบัณฑิต (การวิเคราะห์ธุรกิจและวิทยาการข้อมูล) (วท.ม. (การวิเคราะห์ธุรกิจและวิทยาการข้อมูล))

คำสำคัญ:

ระบบแนะนำ
ปัญหาผู้ใช้ระบบรายใหม่
วิธีแบบผสม
วิธีทางประชากรศาสตร์
บริบท
Recommendation System
Cold-start problem
Hybrid approach
Demographic approach
Contexts

ชนิดของสื่อ:

Thesis
วิทยานิพนธ์

ภาษา:

th

สิทธิในการใช้งาน:

National Institute of Development Administration

URI:

https://repository.nida.ac.th/handle/662723737/5538
แสดงระเบียนรายการแบบเต็ม

แฟ้มในรายการข้อมูลนี้ (CONTENT)

Thumbnail
ดู
  • 6110412008.pdf ( 1,616.52 KB )

ทรัพยากรสารสนเทศทั้งหมดในคลังปัญญา ใช้เพื่อประโยชน์ทางการเรียนการสอนและการค้นคว้าเท่านั้น และต้องมีการอ้างอิงแหล่งที่มาทุกครั้งที่นำไปใช้ ห้ามดัดแปลงเนื้อหา และทำสำเนาต่อ รวมถึงไม่ให้อนุญาตนำไปใช้ประโยชน์เพื่อการค้า ไม่ว่ากรณีใด ๆ ทั้งสิ้น



This item appears in the following Collection(s)

  • Dissertations, Theses, Term Papers [190]
Copyright © National Institute of Development Administration | สถาบันบัณฑิตพัฒนบริหารศาสตร์
Library and Education Service Center | สำนักบริการการศึกษาและบรรณสาร
Email: NIDAWR@nida.ac.th    Chat: Facebook Messenger    Facebook: NIDAWisdomRepository
 

 

Copyright © National Institute of Development Administration | สถาบันบัณฑิตพัฒนบริหารศาสตร์
Library and Education Service Center | สำนักบริการการศึกษาและบรรณสาร
Email: NIDAWR@nida.ac.th    Chat: Facebook Messenger    Facebook: NIDAWisdomRepository
 

 

‹›×