ANALISA KINERJA METODE FAKTORISASI MATRIKS BERBASIS GRADIENT DESCENT PADA SISTEM REKOMENDASI
Abstract
Metode faktorisasi matrik merupakan metode yang banyak digunakan pada sistem rekomendasi. Metode ini digunakan untuk mengekstrak variabel tersembunyi yang akan digunakan sebagai dimensi baru bagi vektor pengguna dan vektor produk. Representasi yang baru ini diharapkan akan memberikan kinerja yang lebih baik. Pada tulisan ini, kami melakukan studi eksperimen pada metode faktorisasi matriks berbasis gradient descent untuk sistem rekomendasi. Studi ini meliputi penentuan mekanisme dalam mendapatkan parameter optimal dari metode dan mengukur akurasi metode pada data riil. Dari eksperimen yang dilakukan, diperoleh parameter optimal untuk learning rate adalah 8 x 10-5 dan jumlah varibel tersembunyi adalah 3. Selanjutnya, nilai root mean square error (RMSE) pada kondisi optimal terebut adalah 0.9335. Hasil ini menunjukkan bahwa metode faktorisasi matriks berbasis gradient descent memberikan tingkat akurasi yang sangat baik pada sistem rekomendasi. Kata Kunci: sistem rekomendasi, model varibel tersembunyi, faktorisasi matriks, gradient descentReferences
G. Karypis. Evaluation of Item Based Top-N
Recommendation Algorithms.
Proceedings of the tenth international
conference on Information and
knowledge management, 2001.
M. A. Hao. Learning to Recommend, PhD
Thesis, The Chinese University of
Hongkong, 2009
B. Sarwar, G. Karypis, J. Konstan, and J.
Riedl. Item-based Collaborative
Filtering Recommender System
Algorithms. Proceeding of 10th
International Conference on World
Wide Web, 2001
I. Pil´aszy. Factorization-Based large Scale
Recommendation Algorithms, PhD
Thesis, Budapest University of
Technology and Economics, 2009.
J. Nocedal dan S. J. Wright, Numerical
Optimization, Springer, 1999.
S. Funk, Netflix Update: Try This at Home,
(http://sifter.org/~simon/journal/200
html)
S. Xiaoyuan dan Khoshgoftaar. A survey of
Collaborative Filtering Techniques.
Advanced in Artificial Intelligence,
Hindawi Publishing Corporation,
J. R. Magnus and H. Neudecker, Matrix
Differential Calculus with
Applications in Statistics and
Economics. John Wiley & Sons Ltd,