碩論,全文下載。
建立兩個推薦系統:
- 傳統的以物品為基礎的協同過濾模型 (Item-item Collaborative Filtering model),以 cosine similariy 計算音樂會間的相似度。
- 利用深度學習的神經協同過濾模型 (Neural Collaborative Filtering, NCF)。
實驗用資料集為兩廳院售票系統2011-2019年間,系統會員購買國家兩廳院演奏廳節目票券的交易紀錄。(非公開)
實驗結果為建立推薦表現比傳統協同過濾模型要好的 NCF 模型,並找出以下影響模型表現的特徵:
- 下訂日與音樂會相距日數
- 音樂會標題
- 使用者最近一次下訂時間與訓練日期相距日數
- 音樂會類別
- 音樂會為國內或國外節目
- 音樂會發生於星期幾
Streamlit 前端展示:https://ntch-recommender.streamlit.app/