การศึกษาอัลกอริทึมสำหรับระบบแนะนำรายการอาหารและเครื่องดื่มบนชุดข้อมูลภาษาไทย
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาอัลกอริทึมที่เหมาะสมสำหรับการสร้างระบบแนะนำรายการอาหารตามรสนิยมความชื่นชอบของผู้บริโภคจากชุดข้อมูลภาษาไทยเนื่องจากการได้รับอาหารที่เหมาะสมจะส่งผลให้ผู้บริโภคมีความสุขเกิดความรู้สึกเชิงบวกและมีสุขภาพที่ดีนอกจากนั้นในมิติของธุรกิจร้านอาหารระบบแนะนำยังสามารถช่วยเสริมสร้างความพึงพอใจ ความจงรักภักดีของลูกค้าและลดระยะเวลาในการตัดสินใจสั่งซื้อ ซึ่งในงานนี้ผู้วิจัยทำการศึกษาเชิงสำรวจจากอัลกอริทึมการแนะนำอาหารที่มีความโดดเด่น 2 ประเภท ได้แก่ เทคนิคการกรองแบบอิงเนื้อหาและเทคนิคการกรองแบบมีส่วนร่วมซึ่งผลของการศึกษาจะแสดงให้เห็นลักษณะเฉพาะของแต่ละวิธีการ สำหรับเทคนิคการกรองแบบอิงเนื้อหาผู้วิจัยได้ประยุกต์เทคนิค Bag-of-Words (BoW) และ TF-IDF ร่วมกับการหาความคล้ายคลึงแบบโคไซน์ (Cosine Similarity) และมากไปกว่านั้นงานวิจัยนี้พบว่า BoW จะสามารถแนะนำรายการอาหารโดยทั่วไปได้มากกว่า TF-IDF เล็กน้อย สำหรับเทคนิคการกรองแบบมีส่วนร่วมผู้วิจัยได้ดำเนินการผ่านอัลกอริทึม KNN Basic, SVD และ SVD++ เพื่อสร้างแบบจำลองการแนะนำและประเมินประสิทธิของแบบจำลองด้วยวิธีการของ MAE และ RMSE ซึ่งพบว่า SVD++ ให้ผลลัพธ์ที่ดีกว่าด้วยค่าผิดพลาด MAE และ RMSE น้อยที่สุด คือ 0.885 1.105 ตามลำดับ
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
M. Zhou, Z. Ding, J. Tang, and D. Yin, “Micro behaviors: A new perspective in E-commerce recommender systems,” in Proceedings of the Eleventh ACM International Conference on Web Search and Data Mining, Marina Del Rey, CA, USA, 2018, pp. 727–735.
H. Ko, S. Lee, Y. Park, and A. Choi, “A survey of recommendation systems: Recommendation models, techniques, and application fields,” Electronics, vol. 11, no. 1, pp. 141, 2022.
P. Chavan, B. Thoms, and J. Isaacs, “A Recommender system for healthy food choices: Building a hybrid model for recipe recommendations using big data sets,” in Proceedings of the 54th Hawaii International Conference on System Sciences, HICCS-54, January 2021.
R. Rahutomo, F. Lubis, H. H. Muljo, and B. Pardamean, “Preprocessing methods and tools in modelling Japanese for text classification,” in Proceedings 2019 International Conference on Information Management and Technology (ICIMTech), 2019, vol. 1, pp. 472–476.
N. Pannam and W. Viyanon, “Food Recommendation system using a hybrid recommendation method,” M.S. thesis, Faculty of Science, Srinakharinwirot University, 2021 (in Thai).
M. Phanich, P. Pholkul, and S. Phimoltares, “Food recommendation system using clustering analysis for diabetic patients,” in Proceedings 2010 International Conference on Information Science and Applications, 2010, pp. 1–8.
W. Sriphalang and W. Sriurai, “The development of recommender system for E-library by using collaborative filtering and user profile,” Srinakharinwirot University (Journal of Science and Technology), vol. 9, no. 18, pp. 150–164, 2017.
N. Nilesh, M. Kumari, P. Hazarika, and V. Raman, “Recommendation of Indian cuisine recipes based on ingredients,” in Proceedings 2019 IEEE 35th International Conference on Data Engineering Workshops (ICDEW), 2019, pp. 96–99.
F. Ramadhan and A. Musdholifah, “Online learning video recommendation system based on course and sylabus using content-based filtering,” Indonesian Journal of Computing and Cybernetics Systems (IJCCS), vol. 15, no. 3, pp. 265–274, 2021.
K. Patel and H. B. Patel, “A state-of-the-art survey on recommendation system and prospective extensions,” Computers and Electronics in Agriculture, vol. 178, pp. 105779, 2020.
P. Valdiviezo-Diaz, F. Ortega, E. Cobos, and R. Lara-Cabrera, “A collaborative filtering approach based on Naïve Bayes classifier,” IEEE Access, vol. 7, pp. 108581–108592, 2019.
A. Starke, C. Trattner, H. Bakken, M. Johannessen, and V. Solberg, “The cholesterol factor: Balancing accuracy and health in recipe recommendation through a nutrient-specific metric,” in CEUR Workshop Proceedings, 2021.
H. S. Song and Y. A. Kim, “A dog food recommendation system based on nutrient suitability,” Expert Systems, vol. 38, no. 2, article no. e12623, 2021.
R. N. Nakano, “Predicting optimal meal kit choices: A comparison of methods,” Ph.D. dissertations, Department of Mathematics and Statistics, California State University, Long Beach, 2020.
A. El Majjodi, A. D. Starke, and C. Trattner, “Nudging towards health? examining the merits of nutrition labels and personalization in a recipe recommender system,” in Proceedings of the 30th ACM Conference on User Modeling, Adaptation and Personalization, 2022, pp. 48–56.
M. Elahi, N. El Ioini, A. Alexander Lambrix, and M. Ge, “Exploring personalized university ranking and recommendation,” in Adjunct Publication of the 28th ACM Conference on User Modeling, Adaptation and Personalization, 2020, pp. 6–10.
M. I. Shaikh, “Top-N nearest neighbourhood based movie recommendation system using different recommendation techniques,” M.S. thesis, School of Computing, Dublin, National College of Ireland, 2020.
A. D. Puspita, V. A. Permadi, A. H. Anggani, and E. A. Christy, “Musical instruments recommendation system using collaborative filtering and KNN,” in UMY Grace Proceedings, 2021, vol. 1, no. 2, pp. 1–6.
R. S. Gaikwad, S. S. Udmale, and V. K. Sambhe, “E-commerce recommendation system using improved probabilistic model,” in Information and Communication Technology for Sustainable Development: Springer, 2018, pp. 277–284.
Z. Romadhon, E. Sediyono, and C. E. Widodo, “Various implementation of collaborative filtering-based approach on recommendation systems using similarity,” Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control, vol. 5, no. 3, pp. 179–186, 2020.
N. Jenkarn and M. Ketcham, “Thai-textual cyberbullying detection using support vector machines,” Science Technology and Innovation (STIJ), vol. 1, no. 1, pp. 24–34, 2020 (in Thai).
O. N. Osmanli and İ. H. Toroslu, “Using tag similarity in svd-based recommendation systems,” in 2011 5th International Conference on Application of Information and Communication Technologies (AICT), 2011, pp. 1–4.
A. Al-Nafjan, N. Alrashoudi, and H. Alrasheed, “Recommendation System Algorithms on Location-Based Social Networks: Comparative Study,” Information, vol. 13, no. 4, pp. 188, 2022.
P .Sudasinghe,” Enhancing book recommendation with the use of Reviews,” M.S. thesis, School of Computing, University of Colombo, Sri Lanka, 2022.
J. Yancheng, Z. Changhua, L. Qinghua, and W. Peng, “Users' brands preference based on SVD++ in recommender systems,” in 2014 IEEE Workshop on Advanced Research and Technology in Industry Applications (WARTIA), 2014, pp. 1175–1178.