Zeitschrift für Informationstechnologie und Softwareentwicklung
Offener Zugang

Abstrakt

Vorschlag eines hybriden Empfehlungsalgorithmus zur Unterstützung der Erkennung von Mashup-Anwendungen

Takahiro Koita, Daiki Takigawa

In diesem Artikel wird ein Empfehlungsalgorithmus vorgeschlagen, der kollaboratives Filtern und einen inhaltsbasierten Algorithmus kombiniert. Der vorgeschlagene Algorithmus bietet eine Empfehlungsliste, die die von jedem Algorithmus generierten Empfehlungselemente kombiniert und die Neuartigkeit und Präzision der Empfehlung verbessert. Insbesondere wenn die Präzision niedrig ist, sollte der inhaltsbasierte Algorithmus eine höhere Priorität haben, und wenn die Präzision hoch ist, sollte das kollaborative Filtern eine höhere Priorität haben. Daher werden in diesem Artikel Prioritätsregeln und Prioritäten anhand vorläufiger Experimente erörtert und untersucht. Die Prioritätsregeln sind einige Regeln zur Entscheidung über den Prioritätsalgorithmus, wenn zwei vorhandene Algorithmen kombiniert werden. Die Priorität ist ein Gewicht für den Prioritätsalgorithmus. Um geeignete Prioritätsregeln und Prioritäten zu bestimmen, wurde der vorgeschlagene Algorithmus auf Linked Mash implementiert, unserem Empfehlungssystem für Mashup-Anwendungen, und wir führten Experimente mit Linked Mash durch. In den Experimenten bewerteten die Probanden einige empfohlene Mashup-Anwendungen. Die Neuartigkeit und Präzision werden auf Grundlage dieser Bewertung berechnet. Indem wir die Prioritätsregeln und Prioritäten für jeden Probanden änderten, zeigten wir, dass der vorgeschlagene Algorithmus eine Empfehlung erreichen kann, die sowohl neuartig als auch präzise ist.