Show simple item record

การใช้ระบบแนะนำแบบผสมในการแก้ปัญหาผู้ใช้งานระบบรายใหม่ร่วมกับการใช้บริบทสำหรับร้านอาหาร

dc.contributorPimchanok Patumchaten
dc.contributorพิมพ์ชนก ปทุมชาติth
dc.contributor.advisorWorapol Pongpechen
dc.contributor.advisorวรพล พงษ์เพ็ชรth
dc.contributor.otherNational Institute of Development Administration. School of Applied Statisticsen
dc.date.accessioned2022-02-28T07:18:11Z
dc.date.available2022-02-28T07:18:11Z
dc.date.issued13/8/2021
dc.identifier.urihttps://repository.nida.ac.th/handle/662723737/5538
dc.descriptionMaster of Science (Business Analytics and Data Science) (M.S. (Business Analytics and Data Science))en
dc.descriptionวิทยาศาสตรมหาบัณฑิต (การวิเคราะห์ธุรกิจและวิทยาการข้อมูล) (วท.ม. (การวิเคราะห์ธุรกิจและวิทยาการข้อมูล))th
dc.description.abstractRecommendation 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.en
dc.description.abstractปัจจุบันระบบแนะนำสินค้าถูกนำมาใช้อย่างแพร่หลายในหลายอุตสาหกรรม โดยจุดประสงค์ของระบบแนะนำคือเพื่อแนะนำสินค้าที่คาดว่าลูกค้าจะชื่นชอบได้ถูกต้อง โดยวิธีการแนะนำสินค้าแบบดั้งเดิมมีหลายวิธี เช่น วิธีการกรองร่วมกัน วิธีการกรองแบบอิงเนื้อหา อย่างไรก็ตามวิธีเหล่านี้ก็ยังประสบปัญหาสำคัญบางประการ เช่น ความสามารถในการปรับขนาด ข้อมูลมีปริมาณน้อย หรือผู้ใช้งานระบบรายใหม่ โดยงานวิจัยนี้จะมุ่งเน้นไปที่ปัญหากรณีผู้ใช้งานระบบรายใหม่ ซึ่งได้นำเสนอวิธีแบบผสมในการแก้ปัญหาโดยใช้ข้อมูลประชากรศาสตร์ของลูกค้าและฟังก์ชันอายุร่วมกับวิธีการเรียนรู้ของเครื่องจักรและบริบทอย่างมีเงื่อนไข โดยใช้ข้อมูลจากธุรกิจร้านอาหารหนึ่งในประเทศไทย จากผลการดำเนินงานพบว่าประสิทธิภาพของโมเดลที่นำเสนอมีค่าความถูกต้องในการแนะนำสูงกว่าวิธีการแนะนำแบบสุ่มและแนะนำด้วยเมนูยอดนิยมที่ร้อยละ 16 และ 10 ตามลำดับ อีกทั้งนำเสนอวิธีการคิดคะแนนความชื่นชอบโดยนัยของลูกค้ารายเก่าในกรณีที่ร้านอาหารไม่มีคะแนนความชื่นชอบจากลูกค้าโดยตรง โดยพบว่าฟังก์ชันการคิดคะแนนความชื่นชอบที่นำเสนอนั้นสามารถนำไปประยุกต์ใช้กับข้อมูลของธุรกิจร้านอาหารได้จริงและสามารถแปลงเป็นค่าคะแนนความชื่นชอบโดยนัยที่นำไปใช้ในการทำนายคะแนนความชื่นชอบของลูกค้ารายเก่าในลำดับต่อไปได้th
dc.language.isoth
dc.publisherNational Institute of Development Administration
dc.rightsNational Institute of Development Administration
dc.subjectระบบแนะนำth
dc.subjectปัญหาผู้ใช้ระบบรายใหม่th
dc.subjectวิธีแบบผสมth
dc.subjectวิธีทางประชากรศาสตร์th
dc.subjectบริบทth
dc.subjectRecommendation Systemen
dc.subjectCold-start problemen
dc.subjectHybrid approachen
dc.subjectDemographic approachen
dc.subjectContextsen
dc.subject.classificationComputer Scienceen
dc.subject.classificationMathematicsen
dc.subject.classificationBusinessen
dc.titleA Cold-start Hybrid Context Recommendation System for Casual Restauranten
dc.titleการใช้ระบบแนะนำแบบผสมในการแก้ปัญหาผู้ใช้งานระบบรายใหม่ร่วมกับการใช้บริบทสำหรับร้านอาหารth
dc.typeThesisen
dc.typeวิทยานิพนธ์th


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record