A Comparison Of High-Availability Media Recovery Techniques (98-109)
Type: Indeks Artikel prosiding/Sem
Pengarang | Tanya Nabila; |
Kata Kunci | Recommendation System, Collaborative Filtering, Autoencoder, Loyalty Platform, Neural Network, Unsupervised Learning |
Pembimbing 2 | M. Ivan Fannany |
Tahun buku | 2015 |
Barcode RFID baru | 11603528 |
Progam Studi | ILMU KOMPUTER |
Tahun Angkatan | 2011 |
Lokasi | FASILKOM-UI; |
Tanggal Datang | 22/07/2015 |
Abstrak Indonesia | ABSTRAK Nama : TANYA NABILA Program Studi : Ilmu Komputer Judul : Implementasi Collaborative Filtering Menggunakan Autoencoder Dengan Data Loyalty Platform Semakin banyak perusahaan media menggunakan sistem rekomendasi untuk memberikan layanan yang lebih baik dan lebih cerdas. Salah satu pendekatan sistem rekomendasi yang sering dipakai untuk mendeteksi dan memprediksi tingkat ketertarikan pengguna adalah collaborative filtering. Perkembangan konsep deep learning kini telah menunjukkan kemampuannya dalam mengekstrak fitur dari kumpulan data mentah dengan pelatihan yang bersifat unsupervised. Riset ini berniat untuk mengadopsi konsep deep learning tersebut dan mengintegrasikan autoencoder dalam collaborative filtering. Eksperimen yang dilakukan menggunakan kumpulan data dari suatu loyalty program dan hasilnya telah menunjukkan kemampuannya untuk memprediksi dengan baik. Kata Kunci: Autoencoder, Collaborative Filtering, Sistem Rekomendasi, Loyalty Platform, Neural Network, Unsupervised Learning |
Judul | Collaborative filtering implementation with autoencoder on loyalty platfrom data |
NPM | 1106017326 |
Abstrak English | ABSTRACT Name : Tanya Nabila Study Program : Ilmu Komputer Title : COLLABORATIVE FILTERING IMPLEMENTATION WITH AUTOENCODER ON LOYALTY PLATFORM DATA More companies are deploying recommendation systems in order to provide better and more intelligent service to its users. One of the most widely used approaches in detecting and predicting a user’s preference in a recommendation system is collaborative filtering. Recent developments of the deep learning concept have shown their exceptional capability to extract features from raw and sparse data with fully unsupervised training. This research proposes to implement an autoencoder-based collaborative filtering. This experimental study tackles on a real dataset from an actual loyalty program and has shown the autoencoder’s potential in effectively predicting users’ preference. Key words: Recommendation System, Collaborative Filtering, Autoencoder, Loyalty Platform, Neural Network, Unsupervised Learning |
Penguji 2 | Widijanto Satyo Nugroho |
Fisik | xii, 43 hlm.;ill; 30 cm. |
Bahasa | Ind |
Lulus Semester | GENAP 2014/ 2015 |
Penerbitan | Depok: FASILKOM UI, 2015 |
No. Panggil | SK-1355 (Softcopy SK-837) Source Code SK-544 |
Penguji 1 | Lim Yohanes Stefanus |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
SK-1355 (Softcopy SK-837) Source Code SK-544 | TERSEDIA |