1. Trang chủ
  2. » Giáo Dục - Đào Tạo

(TIỂU LUẬN) bài tập lớn đại số TUYẾN TÍNH ỨNG DỤNG của PHÂN TÍCH SVD vào hệ THỐNG gợi ý TRONG MACHINE LEARNING

93 24 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Ứng Dụng Của Phân Tích SVD Vào Hệ Thống Gợi Ý Trong Machine Learning
Tác giả Phan Võ Vĩnh San, Lữ Như Quỳnh, Trương Minh Ngọc Quý, Huỳnh Gia Qui, Bùi Thị Thanh Sâm, Trần Hoàng Sơn, Thái Ngọc Rạng
Người hướng dẫn Th.S Nguyễn Xuân Mỹ
Trường học Trường Đại Học Bách Khoa Học Quốc Gia Thành Phố Hồ Chí Minh
Chuyên ngành Đại Số Tuyến Tính
Thể loại Bài tập lớn
Thành phố Thành Phố Hồ Chí Minh
Định dạng
Số trang 93
Dung lượng 4,16 MB

Nội dung

TRƯỜNG ĐẠI HỌC BÁCH KHOA HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH ĐẠI BÀI TẬP LỚN ĐẠI SỐ TUYẾN TÍNH GVHD: Th.S Nguyễn Xn Mỹ LỚP: L09 - NHĨM: BÀI TẬP LỚN ĐẠI SỐ TUYẾN TÍNH - Nhóm ỨNG DỤNG CỦA PHÂN TÍCH SVD VÀO HỆ THỐNG GỢI Ý TRONG MACHINE LEARNING NHÓM: BÀI TẬP LỚN ĐẠI SỐ TUYẾN TÍNH - Nhóm DANH SÁCH THÀNH VIÊN STT BÀI TẬP LỚN ĐẠI SỐ TUYẾN TÍNH - Nhóm Mở đầu NỘI DUNG Chương 1: MỞ ĐẦU Chương 1: MỞ ĐẦU Phân tích SVD Machine Learning Ứng dụng SVD vào Machine Learning Chương 2: CƠ SỞ LÝ THUYẾT Chương 2: Cơ sở lý thuyết Ma trận chuyển vị Ch A Chương 2: Cơ sở lý thuyết Phép nhân hai ma trận ( p n ) A i a b b AB a b b i1 j 1j 2j pj 2b2 j aipbpj * Chương 4: Content-Based Recommendations • Xây dựng hồ sơ cho item => biểu diễn dạng toán học feature vector • TH đơn giản, feature vector trích xuất từ item • VD: features hát: - Nhạc sĩ sáng tác: Cùng nhạc trẻ, có người thích Phan Mạnh Quỳnh, người khác lại thích Sơn Tùng MTP - Năm sáng tác: Có người thích nhạc cũ nhạc đại - Thể loại nhạc: Có người thích nhạc rock, có người lại thích nhạc điện tử Chương 4: Content-Based Recommendations Xây dựng feature vector hai chiều cho hát: chiều thứ mức độ Bolero, chiều thứ hai mức độ Thiếu nhi Đặt feature vector cho hát x1, x2, x3, x4, x5 Chương 4: Content-Based Recommendations • Tìm cho user coi toán hồi quy TH ratings dải giá trị, toán phân loại TH Ratings số TH cụ thể • Dữ liệu training để xây dựng mơ hình cặp (item profile, ratings) tương ứng với items mà user rated • Việc điền giá trị cịn thiếu ma trận Utility việc dự đốn đầu cho unrated items áp dụng mơ hình lên chúng Chương 4: Content-Based Recommendations Nhược điểm ƯU ĐIỂM Xây dựng mơ hình cho user khơng phụ thuộc vào user khác, phụ thuộc vào hồ sơ item • Tiết kiệm nhớ, thời gian tính tốn • Tận dụng thơng tin đặc trưng item • Xây dựng feature vector bao gồm kỹ thuật Xử lí ngơn ngữ tự nhiên • • • Khơng tận dụng thơng tin hữu ích từ user khác Khơng phải ln có mơ tả cho item Các thuật tốn NLP phức tạp việc phải xử lý từ gần nghĩa, viết tắt, sai tả, viết ngôn ngữ khác Chương 4: Neighborhood-based Collaborative Filtering Xác định mức độ quan tâm user tới item dựa users khác gần giống với user Việc gần giống users xác định thông qua mức độ quan tâm users tới items khác hệ thống biết A, B thích phim Cảnh sát hình sự, tức rate phim Biết A thích Người phán xử, nhiều khả B thích phim Chương 4: User-user Collaborative Filtering • Xác định giống user • Dữ liệu có Utility matrix Y, nên giống phải xác định dựa cột tương ứng với hai users ma trận Chương 4: User-user Collaborative Filtering Đặt mức độ giống hai users ‫ ݔ‬, ‫ ݔ‬là: sim(‫ݔ ݔ‬, ) ‫ݔ‬,‫ݔ‬ Điều0 thích , , kh ngược lại0xảy 2ở users lại.3 (1 ‫ݔ‬,0 ‫> )ݔ‬ Một similiarity function tốt cần đảm bảo: Để xác định mức độ quan tâm u0 lên i2 nên dựa hành vi u1 lên sản phẩm Vì u1 thích i2 nên hệ thống cần gợi ý i2 cho u Chương 4: User-user Collaborative Filtering • • • • • • Để đo similarity users, xây dựng feature vector cho user áp dụng hàm có khả đo similarity hai vectors Các vectors xây dựng trực tiếp dựa Utility matrix khơng dùng liệu ngồi item profiles Với user, thông tin biết ratings mà user thực hiện, tức cột tương ứng với user Utility matrix Các cột thường có nhiều mising ratings user thường rated số lượng nhỏ items Khắc phục: giúp hệ thống điền giá trị cho việc điền không làm ảnh hưởng nhiều tới giống hai vector Việc điền phục vụ cho việc tính similarity khơng phải suy luận giá trị cuối Chương 4: Item-item Collaborative Filtering Tính tốn tương đồng items gợi ý items gần giống với item yêu thích user ƯU ĐIỂM • Số items < số users => Similarity matrix nhỏ hơn, thuận lợi cho việc lưu trữ tính tốn • Số lượng phần tử biết Utility matrix số hàng (items) số cột (users) => Mỗi hàng ma trận có nhiều phần tử biết số phần tử biết cột => Giá trị trung bình hàng bị thay đổi có thêm vài ratings => Cập nhật ma trận Similarity Matrix thực thường xuyên Chương 5: MATLAB Chương 5: Chương 5: Các hàm sử dụng Câu lệnh A’ svd for size sort zeros find Lời cảm ơn • Cảm ơn thầy cô bạn theo dõi thuyết trình nhóm • Chúc bạn ln có thật nhiều sức khỏe ...BÀI TẬP LỚN ĐẠI SỐ TUYẾN TÍNH - Nhóm ỨNG DỤNG CỦA PHÂN TÍCH SVD VÀO HỆ THỐNG GỢI Ý TRONG MACHINE LEARNING NHÓM: BÀI TẬP LỚN ĐẠI SỐ TUYẾN TÍNH - Nhóm DANH SÁCH THÀNH VIÊN STT BÀI TẬP LỚN ĐẠI SỐ... ĐẠI SỐ TUYẾN TÍNH - Nhóm Mở đầu NỘI DUNG Chương 1: MỞ ĐẦU Chương 1: MỞ ĐẦU Phân tích SVD Machine Learning Ứng dụng SVD vào Machine Learning Chương 2: CƠ SỞ LÝ THUYẾT Chương 2: Cơ sở lý thuyết... sinh Tập hợp tất véc tơ biểu diễn dạng tổ hợp tuyến tính hệ Ký hiệu span (a1, …, an) • • Phương trình: = ‫ >=…ݔݔ? ?hệ+ độc2lập 2tuyến ‫ݔ‬+1 có nghiệm = ‫ݔ = … =ݔ‬ tính có nghiệm =1 => hệ phụ thuộc tuyến

Ngày đăng: 30/11/2022, 14:04

HÌNH ẢNH LIÊN QUAN

Hình: Biểu diễn SVD thu gọn và biểu diễn ma trận dạng tổng các ma trận có rank = 1. - (TIỂU LUẬN) bài tập lớn đại số TUYẾN TÍNH  ỨNG DỤNG của PHÂN TÍCH SVD vào hệ THỐNG gợi ý TRONG MACHINE LEARNING
nh Biểu diễn SVD thu gọn và biểu diễn ma trận dạng tổng các ma trận có rank = 1 (Trang 57)
Content-Based Recommendations - (TIỂU LUẬN) bài tập lớn đại số TUYẾN TÍNH  ỨNG DỤNG của PHÂN TÍCH SVD vào hệ THỐNG gợi ý TRONG MACHINE LEARNING
ontent Based Recommendations (Trang 82)

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w