Please use this identifier to cite or link to this item:
https://ptsldigital.ukm.my/jspui/handle/123456789/513409Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Shahrul Azman Mohd Noah, Prof. Dr. | - |
| dc.contributor.author | Nurul Aida Osman (P78944) | - |
| dc.date.accessioned | 2023-10-16T04:36:21Z | - |
| dc.date.available | 2023-10-16T04:36:21Z | - |
| dc.date.issued | 2021-02-09 | - |
| dc.identifier.other | ukmvital:130074 | - |
| dc.identifier.uri | https://ptsldigital.ukm.my/jspui/handle/123456789/513409 | - |
| dc.description | Sistem pencadang merupakan sistem yang memberikan cadangan item kepada pengguna berdasarkan pilihan pengguna. Algoritma bagi sistem pencadang dikelaskan kepada: algoritma penyaringan kolaboratif, algoritma berasaskan-kandungan dan algoritma hibrid. Sistem pencadang berasaskan penyaringan kolaboratif telah terbukti sebagai penyelesaian berkesan terhadap masalah lambakan maklumat. Sistem penyaringan kolaboratif memberi cadangan peribadi kepada pengguna berdasarkan kepada keutamaan yang dinyatakan sebelumnya dan daripada beberapa pengguna lain yang serupa. Sistem pencadang berasaskan penyaringan kolaboratif telah diterapkan dalam pelbagai domain dengan jayanya seperti cadangan untuk filem dan produk yang mana item adalah ringkas, tak bersandar dan unik. Secara asasnya, algoritma cadangan penyaringan kolaboratif bergantung kepada kadaran pengguna untuk membuat ramalan item. Kadaran sedemikian walau bagaimanapun selalunya adalah tidak mencukupi dan sangat terhad dan mengakibatkan masalah "kejarangan data". Media sosial telah membawa kepada perubahan yang ketara dalam cara pengguna berinteraksi melalui web. Pengguna boleh memberi komen dan pendapat dengan bebas untuk menyatakan keutamaan tentang sesuatu item. Bagi menangani masalah kejarangan data, beberapa kajian telah mempertimbangkan teknik analisis sentimen dalam algoritma sistem pencadang. Walau bagaimanapun, kaedah konvensional analisis sentimen dalam sistem pencadang mengalami masalah perkataan ambiguiti yang digelar sebagai kesensitifan domain. Masalah perkataan ambiguiti mungkin berlaku dalam domain yang berbeza seperti domain filem dan produk. Masalah kesensitifan domain dalam sistem pencadang boleh ditangani dengan meluaskan maklumat kontekstual dalam model konvensional analisis sentimen. Hasilnya, maklumat ini boleh digunakan untuk meningkatkan prestasi sistem pencadang semasa. Orientasi sentimen semasa yang dipertingkatkan dengan maklumat kontekstual ini akan mengurangkan masalah perkataan ambiguiti dalam domain yang berbeza dan ini seterusnya akan memperbaiki kualiti cadangan secara menyeluruh. Kajian ini menggunakan komen pengguna dengan mengumpil teknik analisis sentimen untuk menangani masalah yang dinyatakan tersebut. Masalah kesensitifan domain diatasi dalam kajian ini dengan membangunkan sistem pencadang berasaskan maklumat sentimen kontekstual. Pendekatan yang dicadangkan ini dinilai pada dua domain iaitu domain siri televisyen dan filem serta produk elektronik. Data ini diperoleh daripada laman Amazon.com yang mengandungi sebanyak 1000 ulasan pengguna dan 5000 kadaran bagi setiap domain. Pendekatan model penyaringan kolaboratif berasaskan sentimen kontekstual (contextCF) yang dicadangkan dibandingkan dengan dua model garis asas iaitu model penyaringan kolaboratif asas (basicRating) dan model penyaringan kolaboratif berasaskan-sentimen asas (sentRating). Untuk menilai prestasi model yang dicadangkan, metriks pengiraan Ralat Punca Min Kuasa Dua (Root Mean Squared Error- RMSE), Ralat Min Mutak (Mean Absolute Error-MAE), Purata Min Kejituan (Mean Average Precision-MAP) dan tahap kejarangan data digunakan. Keputusan ekseperimen dalam kedua-dua set data menunjukkan bahawa pendekatan yang dicadangkan memperbaiki nilai RMSE, MAE, tahap kejarangan data dan MAP masing-masing sebanyak 17%, 32%, 4% dan 22%. Peningkatan nilai peratusan pada setiap ukuran matrik penilaian menunjukkan bahawa model yang dicadangkan meningkatkan prestasi sistem pencadang. Model yang dicadangkan terbukti dapat mengatasi kekangan sistem pencadang berasaskan sentimen semasa dari aspek permulaan lembap, kejarangan data dan perkataan ambiguiti dalam domain berbeza.,Ph.D | - |
| dc.language.iso | may | - |
| dc.publisher | UKM, Bangi | - |
| dc.relation | Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat | - |
| dc.rights | UKM | - |
| dc.subject | Universiti Kebangsaan Malaysia -- Dissertations | - |
| dc.subject | Dissertations, Academic -- Malaysia | - |
| dc.subject | Algoritma penyaringan kolaboratif | - |
| dc.subject | Algoritma berasaskan-kandungan | - |
| dc.subject | Algoritma hibrid | - |
| dc.subject | Recommender systems (Information filtering) | - |
| dc.title | Model kontekstual penyaringan kolaboratif berasaskan sentimen untuk peningkatan prestasi sistem pencadang | - |
| dc.type | Theses | - |
| dc.format.pages | 194 | - |
| dc.identifier.barcode | 005859(2021)(PL2) | - |
| Appears in Collections: | Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ukmvital_130074+Source01+Source010.PDF Restricted Access | 3.49 MB | Adobe PDF |  View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.