ระบบแนะนำผลิตภัณฑ์ผิวหน้าสำหรับผู้ที่มีปัญหาผิวหน้า
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบแนะนำผลิตภัณฑ์สำหรับผู้ที่มีปัญหาผิวหน้า สถาปัตยกรรมของระบบประกอบด้วยองค์ประกอบหลักสี่องค์ประกอบ 1) ส่วนการเก็บรวบรวมข้อมูลของผลิตภัณฑ์บำรุงผิวทั้งหมด 5,143 ผลิตภัณฑ์ 2) ส่วนการแนะนำผลิตภัณฑ์กับสภาพปัญหาผิวของผู้ใช้ โดยใช้หลักการ Content based filtering 3) ส่วนของการสืบค้นผลิตภัณฑ์ โดยใช้หลักการค้นคืนสารสนเทศ (Information retrieval) 4) ส่วนต่อประสานงานผู้ใช้ ผลการวิจัยระบบ พบว่าประสิทธิภาพการแนะนำผลิตภัณฑ์ ซึ่งกำหนดสภาพผิวของผู้ใช้ แสดงให้เห็นค่าเฉลี่ยความแม่นยำที่ 0.876 และค่า F - Measure ที่ 0.686 ในขณะเดียวกันระบบการสืบค้นผลิตภัณฑ์ แสดงให้เห็นค่าเฉลี่ยความแม่นยำที่ 0.720 และค่า F Measure ที่ 0.636 ตัวชี้วัดความพึงพอใจของผู้ใช้สำหรับการใช้งานระบบและการมีส่วนร่วมของส่วนต่อประสานผู้ใช้ โดยมีค่าเฉลี่ยที่ 4.397 และ 4.399 ตามลำดับ ซึ่งพิสูจน์ได้ว่าระดับความพึงพอใจของผู้ใช้นั้นอยู่ในเกณฑ์ที่ดี งานวิจัยนี้ไม่เพียงแต่มีส่วนช่วยในด้านการแนะนำผลิตภัณฑ์ดูแลผิวเท่านั้น แต่ยังเสริมสร้างวาทกรรมทางวิชาการเกี่ยวกับระบบการแนะนำส่วนบุคคล และวิธีการดึงข้อมูลอีกด้วย
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
กรวรรณ หนูแดง และเอกรัฐ รัฐกาญจน์. (2564). การศึกษาวิธีการกรองแบบร่วมกันสำหรับการแนะนำเมนูอาหาร. สารนิพนธ์วิทยาศาสตรปริญญามหาบัณฑิต, สถาบันบัณฑิตพัฒนบริหารศาสตร์. กรุงเทพฯ.
นิภาภรณ์ พันธ์นาม และวราภรณ์ วิยานนท์. (2563). ระบบแนะนำสินค้าอาหารโดยใช้ระบบแนะนำแบบผสมผสาน Food Recommendation System Using A Hybrid Recommendation Method. สารนิพนธ์ปริญญาวิทยาศาสตรมหาบัณฑิต, มหาวิทยาลัยศรีนครินทรวิโรฒ. กรุงเทพฯ.
พิจิตรา จอมศรี. (2560). การเพิ่มประสิทธิภาพระบบเครือข่ายสังคมด้านรูปภาพด้วยเทคนิคการจัดอันดับใหม่แบบร่วม. Veridian E-Journal, Science and Technology Silpakorn University 4(3): 21 - 35.
Badouch, M. and Boutaounte, M. (2023). Personalized Travel Recommendation Systems: A study of Machine learning approaches in tourism. Journal of Artificial Intelligence Machine Learning and Neural Network. 33: 35 – 45. doi: 10.55529/jaimlnn.33.35.45.
Gupta, V., Dixit, A. and Sethi, S. (2023). An Improved Sentence Embeddings based Information Retrieval Technique using Query Reformulation. In: 2023 International Conference on Advancement in Computation & Computer Technologies (InCACCT). Gharuan, India 299 - 304.
Hashim, S.Z.M. and Waden, J. (2023). Content-based filtering algorithm in social media. Wasit Journal of Computer and Mathematics Science 2(1): 14 – 17. doi: 10.31185/wjcm.112.
Lee, G., Jiang, X. and Parde, N. (2023). A Content-based Skincare Product Recommendation System. In: 2023 International Conference on Machine Learning and Applications (ICMLA), Jacksonville, FL, USA. 2039 - 2043. doi: 10.1109/ICMLA58977.2023.00308.
Naidu, G., Zuva, T. and Sibanda, E.M. (2023). A Review of Evaluation Metrics in Machine Learning Algorithms. In: Silhavy, R., Silhavy, P. (eds) Artificial Intelligence Application in Networks and Systems. CSOC 2023. Lecture Notes in Networks and Systems 724: 15 – 25. doi: 10.1007/978-3-031-35314-7_2.
Yen, D.C. and Davis, W.S. (2019). User Interface Design., The Information System Consultant's Handbook. USA: CRC Press. 375 – 385. doi: 10.1201/9781420049107-48.
