การแนะนำร้านอาหารแบบหลายเกณฑ์โดยโครงข่ายประสาทเทียมแบบวนซ้ำ

Abstract

ระบบแนะนำถูกสร้างขึ้นมาเพื่อช่วยแนะนำสินค้า ผลิตภัณฑ์ ตลอดจนบริการต่าง ๆ ให้กับผู้ใช้ระบบ และเพื่อให้การแนะนำนั้นตรงกับความต้องการของผู้ใช้ระบบแต่ละคน จึงมีการคิดค้นระบบแนะนำวิธีการต่าง ๆ ขึ้นมากมาย ซึ่งระบบแนะนำหลักที่ใช้ในปัจจุบันคือ Collaborative Filtering (CF) และ Content-Based Filtering (CBF) โดย CF คือการแนะนำที่ดูจากการกระทำของผู้ใช้ที่เราสนใจและผู้ใช้คนอื่น ๆ ในระบบที่มีความสัมพันธ์บางอย่างกับผู้ใช้นั้น เช่น ความชอบ รสนิยมพฤติกรรมต่าง ๆ ที่คล้ายคลึงกับผู้ใช้ที่เราสนใจ โดยผู้ใช้อื่นที่มีความคล้ายคลึงกับผู้ใช้ที่เราสนใจ เรียกแทนว่า “เพื่อนบ้าน (Neighbor)” จากนั้นจึงนำรายการข้อมูลต่าง ๆ จากเพื่อนของผู้ใช้ มาแนะนำให้กับผู้ใช้ ดังนั้นการแนะนำแบบนี้จึงทำให้ได้ข้อมูลที่มีความหลากหลายในการแนะนำ ส่วน CBF คือ การแนะนำที่ดูจากพฤติกรรมในอดีตของผู้ใช้ที่เราสนใจเป็นหลัก โดยจะเก็บข้อมูลนั้นมาวิเคราะห์ และแนะนำข้อมูลต่าง ๆ ที่มีความคล้ายคลึงกันกับข้อมูลนั้น มาแนะนำให้แก่ผู้ใช้ ดังนั้นการแนะนำวิธีนี้จึงสามารถแนะนำข้อมูลได้ตรงตามความชอบของผู้ใช้ ในปัจจุบัน ระบบแนะนำมีหลายโดเมน เช่น ภาพยนตร์ เพลง โรงแรม ร้านอาหาร เป็นต้น ซึ่งมีงานวิจัยเกี่ยวกับโดเมนร้านอาหาร ซึ่งอาจอยู่ในรูปแบบ CF หรือ CBF ถูกนำมาใช้ร่วมกับโครงข่ายประสาทเทียมแบบวนซ้ำเท่านั้น ซึ่ง CF มีข้อเสียคือข้อมูลขาเข้าต้องมีจำนวนมากเพียงพอที่จะนำมาเป็นฐานของข้อมูลเพื่อใช้ในการแนะนำ และ CBF มี ข้อเสียคือข้อมูลขาออกของการแนะนำดังกล่าวจะมีแต่ข้อมูลที่มีความคล้ายคลึงกันกับความพึงพอใจในอดีตของผู้ใช้ทำให้ข้อมูลขาออกจะไม่มีความหลากหลาย จึงไม่เกิดการแนะนำวัตถุแบบใหม่ให้กับผู้ใช้เป้าหมาย จากเหตุผลข้างต้นจะสังเกตได้ว่าจากงานวิจัยที่ผ่านมาพบว่ายังไม่มีงานวิจัยที่นำทั้งสองรูปแบบมารวมกันในรูปแบบการแนะนำร้านอาหาร ดังนั้นงานวิจัยนี้จึงเลือกใช้วิธีการแนะนำร้านอาหาร โดยมีการประมวลผลของการกรองร่วมและการกรองแบบอิงเนื้อหาร่วมกันบนโครงข่ายประสาทเทียมแบบวนซ้ำ โดยใช้ข้อมูลวิจารณ์และลักษณะเฉพาะของวัตถุแบบหลายเกณฑ์ จากผลการทดลองการรวมขั้นตอนระหว่างข้อมูลวิจารณ์และลักษณะเฉพาะของวัตถุแบบหลายเกณฑ์ ให้ผลลัพธ์ทีดีกว่าลักษณะเฉพาะของวัตถุแบบหลายเกณฑ์เพียงอย่างเดียว