近年來,推薦系統(recommendation system)相關研究是一個很熱門的議題,當使用者看到一篇文章,對該文章所描述的事件很感興趣,想要了解該事件的全貌,此時想要得到是該事件的通盤的見解,而非局部的意見,也就是以不同角度去解析此事件的文章清單時,若以過去傳統推薦系統的作法,推薦與這篇文章相似的文章給使用者就未必合適,因為相似文章只能反映對此事件相同角度,而非對此事件不同角度的文章。因此,本研究擬使用社群性標籤(social tag)解決以上問題。透過不同使用者標註標籤反映不同看法的機制,我們可以從文章中選出代表性的標籤,透過該標籤組與文章分數計算,找出對此事件不同角度的文章清單推薦給使用者。實驗結果顯示,若文章有較高的可信度擁有多種角度,則使用我們提出的演算法確實擁有較好的準確度。
Identifer | oai:union.ndltd.org:CHENGCHI/G0098753015 |
Creators | 鄭挺拔, Cheng, Ting Pa |
Publisher | 國立政治大學 |
Source Sets | National Chengchi University Libraries |
Language | 中文 |
Detected Language | Unknown |
Type | text |
Rights | Copyright © nccu library on behalf of the copyright holders |
Page generated in 0.0581 seconds