Publication: ระบบแนะนำสินค้าอาหารโดยใช้ระบบแนะนำแบบผสมผสาน
12
3
Files
Issued Date
2021-05-14
Resource Type
Language
tha
File Type
application/pdf
Access Rights
Open Access
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ
Suggested Citation
Nipaporn Pannam, นิภาภรณ์ พันธ์นาม (2021). ระบบแนะนำสินค้าอาหารโดยใช้ระบบแนะนำแบบผสมผสาน. สืบค้นจาก: https://hdl.handle.net/20.500.14740/54193
Alternative Title(s)
Food recommendation system using a hybrid recommendation method
Author(s)
Advisor(s)
Organization
Abstract
The increasing in both sales and products offered to meet the needs of consumers is a channel that increases income for entrepreneurs and increases product satisfaction among consumers. The objective of this research is to develop a food recommendation model to assist making product recommendations using Content-Based Filtering techniques, which uses the principle of Cosine Similarity and Collaborative Filtering, using Surprise libraries to build a model using algorithms such as SVD, NMF, Baseline and KNN. The evaluation of model accuracy was performed by comparing RMSE and MAE values. The results showed that the SVD algorithm obtained the lowest RMSE and MAE values of 1.2528 and 0.9376, respectively. Then, another model was built that combines the techniques, Content-Based Filtering and Collaborative Filtering which takes the advantages of both techniques to more suitable product recommendations.
การเพิ่มยอดขายและนำเสนอสินค้าให้ตรงตามความต้องการของผู้บริโภคเป็นช่องทางที่ทำให้เพิ่มรายได้ให้กับผู้ประกอบการและเพิ่มความพึงพอใจให้กับผู้บริโภคที่มีต่อสินค้ามากยิ่งขึ้น วัตถุประสงค์ของงานวิจัยนี้คือการพัฒนาแบบจำลองการแนะนำสินค้าอาหารมาช่วยในการแนะนำสินค้า โดยใช้เทคนิคการกรองแบบอิงเนื้อหา (Content-Based Filtering) ซึ่งใช้หลักการ ความคล้ายคลึงแบบโคไซน์ และเทคนิคการกรองข้อมูลแบบพึ่งพาผู้ใช้ร่วม (Collaborative Filtering) โดยนำไลบรารีของ Surprise มาสร้างแบบจำลองโดยใช้อัลกอริทึม ได้แก่ SVD, NMF, Baseline และ KNN การประเมินผลความแม่นยำของแบบจำลองนั้นดำเนินการโดยเปรียบเทียบค่า RMSE และ MAE ผลการทดลองพบว่าค่า RMSE และ MAE ที่มีค่าต่ำสุดและให้ผลลัพธ์ที่ดีที่สุดคืออัลกอริทึม SVD ที่ได้ค่า RMSE เท่ากับ 1.2528 และ MAE เท่ากับ 0.9376 ในส่วนของการทำงานแบบผสมผสานได้นำเทคนิคการกรองแบบอิงเนื้อหา และ เทคนิคการกรองข้อมูลแบบพึ่งพาผู้ใช้ร่วมมาทำงานร่วมกัน ซึ่งใช้ข้อดีของทั้ง 2 เทคนิคนั่นคือนำแบบจำลองของเทคนิคการกรองแบบอิงเนื้อหา ที่มีการทำความคล้ายคลึงขอโคไซน์และแบบจำลองของเทคนิคการกรองข้อมูลแบบพึ่งพาผู้ใช้ร่วมที่ใช้อัลกอริทึม SVD มาทำงานร่วมกันทำเกิดการแนะนำรายการสินค้าที่เหมาะสม
การเพิ่มยอดขายและนำเสนอสินค้าให้ตรงตามความต้องการของผู้บริโภคเป็นช่องทางที่ทำให้เพิ่มรายได้ให้กับผู้ประกอบการและเพิ่มความพึงพอใจให้กับผู้บริโภคที่มีต่อสินค้ามากยิ่งขึ้น วัตถุประสงค์ของงานวิจัยนี้คือการพัฒนาแบบจำลองการแนะนำสินค้าอาหารมาช่วยในการแนะนำสินค้า โดยใช้เทคนิคการกรองแบบอิงเนื้อหา (Content-Based Filtering) ซึ่งใช้หลักการ ความคล้ายคลึงแบบโคไซน์ และเทคนิคการกรองข้อมูลแบบพึ่งพาผู้ใช้ร่วม (Collaborative Filtering) โดยนำไลบรารีของ Surprise มาสร้างแบบจำลองโดยใช้อัลกอริทึม ได้แก่ SVD, NMF, Baseline และ KNN การประเมินผลความแม่นยำของแบบจำลองนั้นดำเนินการโดยเปรียบเทียบค่า RMSE และ MAE ผลการทดลองพบว่าค่า RMSE และ MAE ที่มีค่าต่ำสุดและให้ผลลัพธ์ที่ดีที่สุดคืออัลกอริทึม SVD ที่ได้ค่า RMSE เท่ากับ 1.2528 และ MAE เท่ากับ 0.9376 ในส่วนของการทำงานแบบผสมผสานได้นำเทคนิคการกรองแบบอิงเนื้อหา และ เทคนิคการกรองข้อมูลแบบพึ่งพาผู้ใช้ร่วมมาทำงานร่วมกัน ซึ่งใช้ข้อดีของทั้ง 2 เทคนิคนั่นคือนำแบบจำลองของเทคนิคการกรองแบบอิงเนื้อหา ที่มีการทำความคล้ายคลึงขอโคไซน์และแบบจำลองของเทคนิคการกรองข้อมูลแบบพึ่งพาผู้ใช้ร่วมที่ใช้อัลกอริทึม SVD มาทำงานร่วมกันทำเกิดการแนะนำรายการสินค้าที่เหมาะสม
Description
MASTER OF SCIENCE (M.Sc.)
วิทยาศาสตรมหาบัณฑิต (วท.ม.)
วิทยาศาสตรมหาบัณฑิต (วท.ม.)
Degree Grantor(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ