Recommender systems (RS) can predict a list of items which are appropriated to users by using collaborative or content-based filtering methods. The former is more popular than the latter approach, however, it suffers from cold-start problem which can be known as new-user or new-item problems. Since the user/item firstly appears in the system, the RS has no data (feedback) to learn, thus, it cannot provide any recommendation. In this work, we propose using a semantic-based approach to tackle the cold-start problem in recom- mender systems. With this approach, we create a semantic model to retrieve past similarity data given a new user. Experimental results show that the proposed approach works well for the cold-start problem.
Nguyễn Thái Nghe, Võ Hùng Vĩ, Nguyễn Văn Đồng, 2014. MỘT GIẢI PHÁP TRONG XÂY DỰNG HỆ THỐNG HỖ TRỢ GIỮ XE THÔNG MINH. Tạp chí Khoa học Trường Đại học Cần Thơ. 35: 17-30
Nguyễn Thái Nghe, Nguyễn Tấn Phong, 2014. XÂY DỰNG HỆ THỐNG GỢI Ý BÀI HÁT DỰA TRÊN PHẢN HỒI TIỀM ẨN. Tạp chí Khoa học Trường Đại học Cần Thơ. 34: 81-91
Tạp chí khoa học Trường Đại học Cần Thơ
Lầu 4, Nhà Điều Hành, Khu II, đường 3/2, P. Xuân Khánh, Q. Ninh Kiều, TP. Cần Thơ
Điện thoại: (0292) 3 872 157; Email: tapchidhct@ctu.edu.vn
Chương trình chạy tốt nhất trên trình duyệt IE 9+ & FF 16+, độ phân giải màn hình 1024x768 trở lên