Trust-based collaborative filtering

Một phần của tài liệu THUẬT TOÁN xếp HẠNG địa điểm TRONG các ỨNG DỤNG DỊCH vụ dựa TRÊN địa điểm (LBS) có CHÚ ý tới đặc điểm RIÊNG NGƯỜI DÙNG (Trang 43 - 45)

Ý tưởng của mô hình này xuất phát từ sự quan sát: người dùng thường có xu hướng tin tưởng vào gợi ý từ những người bạn của mình. Dù cho đó là môi trường thực tế hay môi trường mạng xã hội.

44

Ví dụ: Trên mạng xã hội Facebook, người dùng thường có xu hướng kết bạn với nhưng bạn bè mà có nhiều bạn bè chung nhiều nhất. Hay tới những địa điểm mà bạn bè mình gợi ý là tốt.

Vậy để có thể sử dụng mô hình này, trước tiên chúng ta cần tính toán độ tin cậy của người dùng. Xuất phát từ quan sát trên, độ tin cậy giữa hai người dùng được thể hiện bằng mức độ thân thiết giữa họ trong cuộc sống thực tế (hoặc trên mạng xã hội). Ngoài ra, người dùng có xu hướng hỏi ý kiến từ các bạn bè để quyết định có nên tới địa điểm đó mua sắm, ăn uống hay không. Và độ thân thiết tác động rất lớn tới những quyết định như vậy.

Trước hết, chúng ta cần tính toán độ thân thiết giữa hai người dùng [5]. Trong mô hình này, tôi sử dụng các yếu tố về bạn bè chung và các vị trí chung mà người dùng tới cho việc tính độ thân thiết giữa hai người dùng. Tôi sử dụng độ đo Jaccard để đo độ thân thiết giữa hai người dùng ui và uj:

Đo độ closeness (si,j) = 𝜇|𝐹|𝐹𝑖∩𝐹𝑗|

𝑖∪𝐹𝑗| + (1 − 𝜇)|𝐿𝑖∩𝐿𝑗|

|𝐿𝑖∪𝐿𝑗| (3.1)

Trong đó:

Fi ký thiệu tập bạn bè của người dùng ui

Li ký thiệu tập các địa điểm của người dùng ui tới thắm

µ là một tham số tùy chỉnh, cái mà giúp chúng ta tùy chỉnh trong số tính độ thân thiết giữa hai người dùng.

Bước tiếp theo được thực hiện trong mô hình này, tôi sẽ tính toán điểm check-in của người dùng ui với một vị trí lk [5]:

 Ký hiệu ci,k = 1 nếu ui đã có thời thăm ở vị trí lk và 0 nếu ngược lại

 Để tính toán điểm có thể tới thăm của người dùng ui cho vị trí lk chúng tôi sử dụng công thức sau :

45

𝑆𝑖,𝑘 = ∑𝑢𝑗∑ ∈ 𝐹𝑖𝑠𝑖,𝑗 ∗ 𝑐𝑗,𝑘 𝑠𝑖,𝑗

𝑢𝑗 ∈ 𝐹𝑖 (3.2)

Trên đây, tôi đã giới thiệu cách xếp hạng các địa điểm với người dùng dựa trên độ tin cậy. Dựa trên điểm của người dùng cho từng vị trí, hệ thống sẽ xếp hạng và đưa tới cho người dùng những vị trí mà người dùng có thể tới.

Ở phần tiếp, tôi sẽ giới thiệu mô hình lọc kết hợp dựa trên sở thích thông qua các hành vi của người dùng như thăm hoặc check-in.

Một phần của tài liệu THUẬT TOÁN xếp HẠNG địa điểm TRONG các ỨNG DỤNG DỊCH vụ dựa TRÊN địa điểm (LBS) có CHÚ ý tới đặc điểm RIÊNG NGƯỜI DÙNG (Trang 43 - 45)

Tải bản đầy đủ (PDF)

(74 trang)