Αλγόριθμοι Φιλτραρίσματος βάσει Περιεχομένου

Abstract

Στο κεφάλαιο αυτό θα μελετήσουμε τους αλγορίθμους φιλτραρίσματος βάσει περιεχομένου (Content-based filtering). Θα περιγράψουμε το μοντέλο διανυσματικού χώρου (vector space model), καθώς και την τεχνική Term Frequency Inverse Document Frequency (TF-IDF) που σταθμίζει τη σημαντικότητα ενός χαρακτηριστικού στο προφίλ ενός χρήστη. Επίσης, θα γίνει αναφορά στα συστήματα συστάσεων με τη χρήση δέντρων απόφασης (decision trees) και του κατηγοριοποιητή Bayes, ο οποίος αποτελεί ένα πιθανοκρατικό μοντέλο πρόβλεψης. Στη συνέχεια, θα δοθεί μια αναλυτική περιγραφή των βασικών μεθόδων (Gini index, Entropy, και χ2-statistic) κατάταξης των χαρακτηριστικών του προφίλ ενός χρήστη βάσει της σημαντικότητάς τους για τον αλγόριθμο δέντρου απόφασης.

In this chapter we will study content-based filtering algorithms. We will describe the vector space model (vector space model) and the Term Frequency Inverse Document Frequency (TF-IDF) technique that weights the importance of a feature in a user's profile. Also, we will refer to recommendation systems using decision trees and the Bayesian classifier, which is a probabilistic prediction model. Then, we will give a detailed description of the basic methods (Gini index, Entropy, and χ2-statistic) for ranking the characteristics of a user's profile based on their importance for the decision tree algorithm.