Trong phần này, người viết luận văn sẽ phân tích các kết quả từ các mô hình trên. Từ những phân tích này người viết luận văn sẽ đưa ra được những so sánh và đánh giá giữa các mô hình trong phần tiếp theo.
a. Mô hình TCF
Từ kết quả bảng 3, mô hình TCF cho kết quả rất tồi. Trong mô hình này, tác giả đã thử nghiệm khi ưu tiên sự kết nối bạn bè hơn là sở thích (để trọng số bạn bè chung là 0.8 và trọng số địa điểm tới thăm chung là 0.2). Vì thế kết quả tồi của mô hình này có thể do
64
thiếu chi tiết về các kết nối bạn bè trong tập dữ liệu. Theo mô hình này thì bạn bè chung không có tác động quá lớn tới việc tới việc tới thăm chung các vị trí của hai người bạn.
b. Mô hình ICF
Từ kết quả bảng 3, mô hình ICF cho kết quả khá. Trong mô hình này người viết luận văn chỉ sử dụng lịch sử tới thăm của người dùng. Từ đó xếp hạng các địa điểm tới thăm tiếp theo cho người dùng. Khi hai người dùng có tỷ lệ vị trí tới thăm cùng nhau lớn thì khả năng cùng thích tới những vị trí sau đó sẽ nhiều.
c. Mô hình FP-Growth
Từ kết quả bảng 3, mô hình FP-Growth đã không đưa ra được kết quả đánh giá. Nguyên nhân có thể do tập dữ liệu mà người viết luận văn thử nghiệm, tỷ lệ tới thăm các vị trí rất thưa, nên không thể đưa ra được các mẫu tần suất tới thăm giống nhau. Vì thế, với mô hình này sẽ hiệu quả hơn với dữ liệu lớn hơn.
d. Mô hình Rating Inference
Từ kết quả bảng 3, mô hình Rating Inference có kết quả rất tốt. Nó đã kết hợp các yếu tố sau:
Sở thích người dùng: phân tích sở thích người dùng tới chi tiết mức thể loại của địa điểm.
Có tính đến các yếu tố bên ngoài: các thông tin chuyên gia địa phương.
Có tính đến độ tin cậy của người dùng tới các vị trí thông qua lịch sử thăm của người dùng.
Mô hình này có kết rất tốt và có thể áp dụng cho các ứng dụng thực tế.