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/