矩陣分解法與隨機效應模型法應用於電影評分資料分析比較
推薦系統的出現是為了解決訊息過載的問題,其需求隨著科技的進步、網路的普及而增加,相關技術也越發多樣且成熟。廣泛應用於各領域的統計模型也在技術的行列中。 推薦系統的運作仰賴使用者偏好訊息,而使用者對項目所組成的偏好空間往往十分巨大且不平衡,統計上需要相對複雜的隨機效應模型或混合效應模型來描繪這樣的變數結構,且通常需要計算效率相對低的反覆疊代過程來估計模型參數。因此Perry(2014)、Gao & Owen(2016)先後提出以動差法處理階層線性模型與兩因子隨機效應模型,是一種犧牲統計效率換取計算效率的做法。 本研究便是採用統計模型中的隨機效應模型法,分別以最大概似法和動差法估計參數...
Main Authors: | 周鼎智, Chou, Ting Chih |
---|---|
Language: | 中文 |
Published: |
國立政治大學
|
Subjects: | |
Online Access: | http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22G0104354026%22. |
Similar Items
-
推薦系統資料插補改良法-電影推薦系統應用
by: 楊智博, et al. -
基於內隱資料之協同過濾推薦系統研究與實作
by: 張遠耀, et al. -
以Web2.0民眾分類法建置音樂推薦系統之研究
by: 鄭學侖, et al. -
有關廣義范氏矩陣的研究:其行列式、反矩陣、LU分解、及應用
by: 李宣助, et al. -
台灣產物保險產業關鍵成功因素--策略矩陣分析法之應用
by: 林枝蒲