基於協同過濾和雲模型的混合式推薦系統總頁數-中國文化大學.pdf

論文名稱： 基於協同過濾和雲模型的混合式推薦系統總頁數：68 校(院 所組別：中國文化大學商學院資訊管理研究所) 畢業時間及提要別： 100 學年度第1 學期碩士學位論文提要 研究生： 林秀芬 指導教授：黃謙順 論文提要內容： 以使用者為基礎的協同過濾(collaborative filtering)演算法是 一種被廣泛使用而且有效率的推薦技術，它可以從別人的意見提 供給使用者最適合的建議。雖然協同過濾技術已經成功應用在很 多地方，但它有著嚴重的資料稀疏性 (sparsity)問題。雲模型 (cloud model)利用了雲特徵向量來代表整體的使用者的偏好來解決這個 問題。以使用者為基礎 (user-based)的協同過濾演算法適用在資料 密集的時候，而雲模型協同過濾法在資料稀疏時較為穩定 。本研 究將使用一個混合式的推薦系統來整合以使用者為基礎的協同過 濾演算法及雲模型協同過濾演算法的預測結果。實驗結果顯示混 合式的推薦系統可以改善稀疏性的問題及改善預測的品質。 關鍵字： 協同過濾(collaborative filtering) 、稀疏性(sparsity) 、 雲模型(cloud model) 、以使用者為基礎(user-based) 。 iii Forecasting stock price fluctuation of Taiwan listed companies by analyzing their financial statements using neural network Student: Show-Fen Lin Advisor: Prof. Chein-Shung Hwang C h i n e s e C u l t u r e U n i v e r s i t y ABSTRACT User-based Collaborative filtering (CF), one of themost prevailing and efficient recommendation techniques, provides personalized recommendations to users based on the opinions of other users. Although the CF technique has been successfully applied in various applications, it suffers from serious sparsity problems. The cloud-model ap- proach addresses the sparsity problems by constructing the user’s global preference represented by a cloud eigenvector. The user-based CF approach works well with dense datasets while the cloud-model CF approach has a greater performance when the dataset is sparse. In this paper, we present a hybrid approach that integrates the predictions from both the user-based CF and the cloud-m