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 0.0018 seconds