适性化社群资讯推荐.pptVIP

2003/5/17 適性化社群資訊推薦 適性化社群資訊推薦 指導老師：劉瑞瓏 副教授 指導學姐：林宛蓉 學 姐 專題組員：林國棟 劉玟杰 曾沛華 報告流程 一、背景簡介 二、系統目標與特色 三、開發工具與平台 四、系統功能 五、系統功能展示 六、推薦效能實驗流程 七、使用者測試步驟 八、評估準則 九、實驗結果 十、推薦誤差分析 十一、改善方法 十二、未來展望 十三、上學期之QA 一、背景簡介 一般的推薦做法：依文章內容、合作式 缺點 需清楚描述其需求 彼此熟悉才能推薦合適的文章 本案做法彌補以上缺點並融合其優點 結合適性化資訊分類器，自動釐清使用者需求，並透過好友及社群完成合作式推薦 二、系統目標與特色 適性化 利用個人/社群興趣樹，彈性的獲得興趣特徵，持續偵測其興趣偏好 社群資訊推薦 自動釐清興趣偏好，並主動推薦合適文章 接收方主動要求系統推薦，具有互動特性 設定過濾條件，提高合作式推薦的品質 三、開發工具與平台 四、系統功能(1/2) 使用者介面 個人登錄 站內資訊查詢 操作說明 系統管理功能 社群申請審核 社群管理維護 公告修改 四、系統功能(2/2) 社群交流 資訊社群建立 接受系統推薦 資訊推薦 資訊推薦 使用者推薦 系統自動推薦 要求系統推薦 過濾器 四、系統功能(自動推薦示意圖) 四、系統功能(自動推薦示意圖) 四、系統功能(自動推薦示意圖) 四、系統功能(自動推薦示意圖) 四、系統功能(要求推薦示意圖) 四、系統功能(要求推薦示意圖) 四、系統功能(要求推薦示意圖) 五、系統功能展示 六、推薦效能實驗流程 七、使用者測試步驟 八、評估準則 九、實驗結果 平均P值為76.0178% 九、實驗結果(續) 平均R值為54.0909% 十、推薦誤差分析 使用者興趣節點中的訓練文章 使用者無更新興趣樹與其中的訓練文章 系統因次要的字詞而推薦 訓練文章太少導致門檻偏高 訓練文章無法清楚的表達使用者的興趣節點 十一、改善方法 提醒應注意事項(針對訓練文章) 自動推薦的QA 十二、未來展望 資訊更新時的立即反應 推薦版的分類結構 推薦版的資訊過濾 自動推薦的方法依使用者的回應做調整 十三、上學期之QA 找其他人測試結果為何？ 推薦之後是否讓使用者接受，再回覆給系統做修正? 是否與上一組一樣，有高中低的信賴度？ 推薦的強度計算準不準確？ 要不要讓使用者知道信賴度高、中、低，並且告知使用者會了解嗎？ 請老師與同學指教… * * （6）FrontPage2000 （5）PhotoImpact 7.0 （4）Visual Basic 6.0 （3）SQL Server 2000 （2）Active Server Page(ASP3.0) （1）Internet Information Server (IIS 5.0) 開發工具 Windows 2000 Advanced Server 開發平台 同學妳要買書嗎？ 推薦幾本書給妳 希望能買到我要的書 ！！ 等會喔！！ 我思考一下 ???? 這是妳要的書 拿去吧！！ 果然都是我要的，太神奇了！！ 推薦類別中的文章 使用者興趣節點 沒問題，你明天就拿得到了。 幫我找有關電腦類的文章吧 你的標準是…… 中門檻 當然囉… 找的不錯！！ 中門檻 使用者依照問卷中使用流程實際測試系統 回收問卷，分析結果 使用者紀錄系統推薦的結果與數據 分別建立其興趣樹節點、訓練文章 進入推薦版點選和自己興趣樹最相近的三個類別，接受系統的自動推薦 評估被推薦的文章那些符合？那些不符合？ 評估三個類別的所有文章判斷那些是該推薦而未推薦的 系統將推薦版中符合使用者興趣的文章推薦給使用者的比率。 推薦文章中使用者感興趣的文章篇數／三個類別中使用者感興趣的總文章篇數 R值 Recall (檢出率) 系統推薦給使用者的文章中，符合使用者興趣的比率。 推薦文章中使用者感興趣的文章篇數／三個類別所推薦給使用者的文章篇數 P值 Precision (精確度) 意義 公式 評估維度