ICHM adalah metode
hibrid yang merupakan gabungan dari content-based filtering
dan colaborative filtering yang
digunakan untuk memberikan rekomendasipada penjualan online (Li dan Qim, 2003).
Metode ini mampu memberikan rekomendasi terhadap item yang belum pernah
diberikan rating sama sekali. Berikut
ini adalah tahapan-tahapan ICHM :
1. Implementasikan
algoritma clustering pada konten item. Algoritma cluster digunakan pada tahap
ini untuk menentukan sejumlah cluster nantinya.Selanjutnya buat matriks group-rating dengan menghitung peluang
tiap item ke tiap cluster berdasarkan persamaan berikut :
2. Hitung similarity untuk matrik group-rating dan item-rating. Perhitungan group-rating
similarity dilakukan dengan menggunakan adjusted cosine similarity, sedangkan
item-rating similiraty dilakukan denganpearson correlation-based. Kedua
persamaan tersebut sebagai berikut :
a.
Pearson correlation-based
similarity
b.
Adjusted cosine
similarity
3. Hasil
perhitungan similarity untuk matrik group-rating dan item-ratingkemudian digabungkan menggunakan
kombinasi ICHM sebagai berikut :
4. Hitung prediksi
untuk suatu item. Perhitungan prediksi dilakukan dengan dua pendekatan yaitu
item yang sudah pernah dirating user lain (no
cold-start problem) dan kasus item yang belum dirating sama sekali (cold-start problem).
a)
Non Cold-start Problem, berikut persamaan yang digunakan :
b)
Cold-start Problem, berikut persamaan yang digunakan :
Untuk contoh perhitungan akan disertakan dalam bentuk file Ms. Excell. Silahkan Download File Perhitungan ICHM Disini.
0 komentar:
Post a Comment