IAESCOREIAESCORE

International Journal of Electrical and Computer Engineering (IJECE)International Journal of Electrical and Computer Engineering (IJECE)

Dalam perdagangan elektronik, untuk membantu pengguna menemukan produk yang diinginkan, diperlukan sistem yang dapat mengklasifikasikan produk berdasarkan minat dan kebutuhan pengguna serta merekomendasikannya kepada pengguna. Sistem rekomendasi dirancang untuk memfasilitasi pencarian informasi pada situs web berskala besar secara otomatis, mengingat banyaknya faktor yang memengaruhi keputusan pembelian. Pada penelitian ini, kemiripan semantik digunakan untuk menemukan sekumpulan k tetangga terdekat bagi pengguna atau item target, sehingga hasil eksperimen pada data perusahaan konstruksi pribadi menunjukkan akurasi yang tinggi dibandingkan dengan sistem rekomendasi state‑of‑the‑art.

Penelitian ini mengusulkan dua metode rekomendasi baru dengan mengintegrasikan kemiripan semantik pada pendekatan collaborative filtering (CF) dan content‑based filtering (CBF).Kedua metode tersebut dievaluasi menggunakan data transaksi pada perusahaan material konstruksi, menghasilkan akurasi tinggi yang melebihi metode berbasis korelasi Pearson dan cosine similarity berdasarkan metrik F1.Hasil eksperimen menunjukkan bahwa penerapan kemiripan semantik meningkatkan kinerja rekomendasi baik dalam CF maupun CBF.

Penelitian selanjutnya dapat menyelidiki integrasi ukuran kemiripan semantik tambahan, seperti representasi embedding berbasis pembelajaran mendalam, untuk meningkatkan akurasi rekomendasi pada domain yang lebih kompleks. Selain itu, perlu dieksplorasi penerapan profil ontologi yang dinamis pada aliran data e‑commerce waktu nyata serta menilai skalabilitas dan responsivitas sistem dalam menghadapi volume data yang besar. Selanjutnya, penggabungan teknik hybrid dengan metode matriks faktorisasi atau jaringan saraf dalam rangka mengkombinasikan kekuatan collaborative filtering, content‑based filtering, dan kemiripan semantik dapat diuji pada dataset yang lebih beragam untuk menilai peningkatan kinerja secara keseluruhan.

  1. #sistem rekomendasi#sistem rekomendasi
File size189.67 KB
Pages11
DMCAReportReport

ads-block-test