An Approach for Recommender System by Combining Collaborative Filtering with User Demographics and Items Genres

Abstract

Dengan ledakan aplikasi web berbasis layanan seperti berita online, belanja, penawaran, perpustakaan, tersedia banyak informasi. Karena masalah kelebihan informasi ini, menemukan hal yang benar adalah tugas yang membosankan bagi pengguna. Sistem pemberi rekomendasi dapat digunakan untuk menyarankan informasi khusus sesuai dengan preferensi pengguna Teknik penyaringan kolaboratif memainkan peran penting dalam merancang sistem rekomendasi. Sistem rekomendasi berdasarkan teknik penyaringan kolaboratif mungkin menderita dengan masalah mulai dingin yaitu masalah pengguna baru dan masalah item baru dan masalah skalabilitas. Teknik K-Nearest Neighbor tradisional juga menderita dengan masalah pengguna dan masalah mulai dingin. Dalam makalah ini sistem rekomendasi membuat saran untuk pengguna dengan menggabungkan penyaringan berkolaborasi pada data transaksi dengan peringkat yang diprediksi dengan demografi pengguna dan kesamaan barang. Peringkat akhir adalah jumlah tertimbang dari peringkat yang dihitung dari data transaksi, data pengguna dan data barang. Keuntungan dari sistem yang diusulkan bahwa sistem merekomendasikan dapat menangani mulai dingin dalam kasus "pengguna baru" atau "item baru". Dan juga sistem memiliki MAE dan RMSE yang rendah dibandingkan dengan penyaringan kolaboratif tradisional berdasarkan pendekatan K-Nearest Neighbor. Kata kunci