مروری بر چالش ها و روشهای فیلترسازی در سیستم های توصیه گر

مروری بر چالش ها و روشهای فیلترسازی در سیستم های توصیه گر

Publish place: Association of Electrical and Electronic Engineering of Iran- Khorasan Branch، Vol: 7، Issue: 13

Publish Year: 1399

نوع سند: مقاله ژورنالی

زبان: Persian

This Paper With 8 Page And PDF Format Ready To Download

دریافت فایل کامل Paper

Certificate
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/1229641

شناسه ملی سند علمی:

JR_KEEE-7-13_004

تاریخ نمایه سازی: 23 خرداد 1400

Abstract:

با افزایش روز افزون اهمیت اینترنت در زندگی انسانها، وب سایت ها به یک ابزار بسیار مهم در تجارت الکترونیک جهت انجام معاملات روزانه تبدیل شده اند. رشد تصاعدی حجم اطلاعات در سایت های اینترنتی، سبب سردرگمی کاربران اینترنت، جهت یافتن اطلاعات مناسب با سلایق ایشان شده است. سیستم های توصیه گر با استفاده از تکنیک های نرم افزاری، سعی در ارائه پیشنهادهای متناسب با سلایق کاربران برای ایشان را دارند. این سیستم ها سبب صرفه جویی در هزینه و زمان برای کاربران اینترنت می شوند. در این مقاله مروری به تعاریف، چالش ها و انواع روشهای فیلترسازی اطلاعات در سیستم های توصیه گر پرداخته می شود. نقاط ضعف و قوت هرکدام به بحث گذاشته شده و در انتها نتیجه گیری نهایی از مطالب ذکر شده بیان خواهد شد.

Keywords:

Recommender Systems , Content-based Filtering , Collaborative Filtering , Hybrid Filtering , سیستم های توصیه گر , فیلترسازی محتوامحور , فیلترسازی مشارکتی , فیلتر سازی هیبریدی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

Marz, N., & Warren, J. (۲۰۱۵). Big Data: Principles and ...
Tarus, J. K., Niu, Z., & Kalui, D. (۲۰۱۸). A ...
Roul, R.K. & Arora, K. Soft Comput (۲۰۱۹). https://doi.org/۱۰.۱۰۰۷/s۰۰۵۰۰-۰۱۹-۰۳۸۶۱-۳[۴] Mu, ...
Alharthi, H., Inkpen, D., & Szpakowicz, S. (۲۰۱۸). A survey ...
Adomavicius, G., & Tuzhilin, A. (۲۰۰۵). Toward the next generation ...
Mansur, F., Patel, V., & Patel, M. (۲۰۱۷, March). A ...
Wang, X., Nie, X., Wang, X., & Ding, Z. (۲۰۱۶, ...
Peška, L., Tashu, T. M., & Horváth, T. (۲۰۱۹). Swarm ...
Del Corso, G. M., & Romani, F. (۲۰۱۹). Adaptive nonnegative ...
Batmaz, Z., Yurekli, A., Bilge, A., & Kaleli, C. (۲۰۱۹). ...
Raza, S., & Ding, C. (۲۰۱۹). Progress in context-aware recommender ...
Sadeghian, M., & Khansari, M. (۲۰۱۸, December). A Recommender Systems ...
Troussas, C., Krouska, A., & Virvou, M. (۲۰۱۸, November). Multi-algorithmic ...
Portugal, I., Alencar, P., & Cowan, D. (۲۰۱۸). The use ...
Mohamed, M. H., Khafagy, M. H., & Ibrahim, M. H. ...
Fellmann, M., Metzger, D., Jannaber, S., Zarvic, N., & Thomas, ...
Bouzekri, E., Canny, A., Fayollas, C., Martinie, C., Palanque, P., ...
Poirson, E., & Da Cunha, C. (۲۰۱۸). A recommender approach ...
Bag, S., Ghadge, A., & Tiwari, M. K. (۲۰۱۹). An ...
Anandhan, A., Shuib, L., Ismail, M. A., & Mujtaba, G. ...
Yao, L., Xu, Z., Zhou, X., & Lev, B. (۲۰۱۹). ...
Wang, H., Amagata, D., Maekawa, T., Hara, T., Niu, H., ...
Chen, H. H., & Chen, P. (۲۰۱۹). Differentiating Regularization WeightsA ...
Lee, H., Im, J., Jang, S., Cho, H., & Chung, ...
Han, D., Li, J., Li, W., Liu, R., & Chen, ...
Fernández-Tobías, I., Cantador, I., Tomeo, P., Anelli, V. W., & ...
Fressato, E. P., da Costa, A. F., & Manzato, M. ...
Yang, W., Fan, S., & Wang, H. (۲۰۱۸, October). An ...
Liu, Y., Wang, S., Khan, M. S., & He, J. ...
Zhao, Z., Sheng, Y., Zhu, M., & Wang, J. (۲۰۱۸). ...
Osadchiy, T., Poliakov, I., Olivier, P., Rowland, M., & Foster, ...
Dara, S., Chowdary, C. R., & Kumar, C. (۲۰۱۹). A ...
Meng, S., Qi, L., Li, Q., Lin, W., Xu, X., ...
Verma, C., Hart, M., Bhatkar, S., Parker-Wood, A., & Dey, ...
Shou-Qiang, L., Ming, Q., & Qing-Zhen, X. (۲۰۱۶, December). Research ...
Singh, A. K. (۲۰۱۷, September). Scalable recommender system based on ...
Parvin, H., Moradi, P., Esmaeili, S., & Qader, N. N. ...
Banda, L., & Bharadwaj, K. K. (۲۰۱۲). Improving scalability issues ...
Rupasingha, R. A., & Paik, I. (۲۰۱۹). Alleviating sparsity by ...
Zheng, L., Li, C., Lu, C. T., Zhang, J., & ...
Bag, S., Kumar, S., Awasthi, A., & Tiwari, M. K. ...
Wang, Y., Feng, C., Guo, C., Chu, Y., & Hwang, ...
Cheng, J., & Zhang, L. (۲۰۱۹, April). Jaccard Coefficient-Based Bi-clustering ...
Patel, B., Desai, P., & Panchal, U. (۲۰۱۷, March). Methods ...
Raghuwanshi, S. K., & Pateriya, R. K. (۲۰۱۹). Recommendation Systems: ...
Zhang, F., Lee, V. E., Jin, R., Garg, S., Choo, ...
Qi, L., Wang, R., Hu, C., Li, S., He, Q., ...
Wang, W., Liu, A., Li, Z., Zhang, X., Li, Q., ...
Cena, Federica & Pensa, Ruggero & Rapp, Amon. (۲۰۱۹). Privacy ...
Valdez, A. C., & Ziefle, M. (۲۰۱۹). The users’ perspective ...
Jiang, J. Y., Li, C. T., & Lin, S. D. ...
Sharma, L., & Gera, A. (۲۰۱۳). A survey of recommendation ...
Lakshmi, S. S., & Lakshmi, T. A. (۲۰۱۴). Recommendation Systems: ...
Mahmoud, H., Hegazy, A., & Khafagy, M. H. (۲۰۱۸, February). ...
Çano, E., & Morisio, M. (۲۰۱۷). Hybrid recommender systems: A ...
Ricci, F., Rokach, L., & Shapira, B. (۲۰۱۱). Introduction to ...
Schafer, J. B., Konstan, J., & Riedl, J. (۱۹۹۹, November). ...
Agarwal, A., & Chauhan, M. (۲۰۱۷). Similarity measures used in ...
Kużelewska, U. (۲۰۱۱, January). Advantages of information granulation in clustering ...
Najafabadi, M. K., Mohamed, A. H., & Mahrin, M. N. ...
Zhang, S., Yao, L., Sun, A., & Tay, Y. (۲۰۱۹). ...
Wang, K., Xu, L., Huang, L., Wang, C. D., & ...
Da’u, A., & Salim, N. (۲۰۱۹). Sentiment-Aware Deep Recommender System ...
Balabanović, M., & Shoham, Y. (۱۹۹۷). Fab: content-based, collaborative recommendation. ...
Xu, Y., & Zhang, F. (۲۰۱۹). Detecting shilling attacks in ...
Eirinaki, Magdalini & Gao, Jerry & Varlamis, Iraklis & Tserpes, ...
Gong, S., Ye, H., & Tan, H. (۲۰۰۹, May). Combining ...
Isinkaye, F. O., Folajimi, Y. O., & Ojokoh, B. A. ...
Bai, X., Wang, M., Lee, I., Yang, Z., Kong, X., ...
Parra-Santander, D., & Brusilovsky, P. (۲۰۱۰, August). Improving collaborative filtering ...
Tarus, J. K., Niu, Z., & Mustafa, G. (۲۰۱۸). Knowledge-based ...
Patil, V. A., & Ragha, L. (۲۰۱۲, October). Comparing performance ...
Cook, R. D., & Weisberg, S. (۱۹۸۲). Criticism and influence ...
Tsymbal, A., Puuronen, S., & Patterson, D. W. (۲۰۰۳). Ensemble ...
Flach, P. A., & Lachiche, N. (۲۰۰۴). Naive Bayesian classification ...
Cheeseman, P., Kelly, J., Self, M., Stutz, J., Taylor, W., ...
Takács, G., Pilászy, I., Németh, B., & Tikk, D. (۲۰۰۸, ...
Signoretto, M., Van de Plas, R., De Moor, B., & ...
Davenport, M. A., Plan, Y., Van Den Berg, E., & ...
Bojnordi, E., & Moradi, P. (۲۰۱۲, May). A novel collaborative ...
McSherry, D. (۲۰۰۴, August). Explaining the Pros and Cons of ...
Lomax, S., & Vadera, S. (۲۰۱۳). A survey of cost-sensitive ...
Safavian, S. R., & Landgrebe, D. (۱۹۹۱). A survey of ...
Rokach, L., & Maimon, O. (۲۰۰۵). Top-down induction of decision ...
Luo, Y., Zhao, Y., & Le, J. (۲۰۰۹, May). A ...
Zhao, Q., & Bhowmick, S. S. (۲۰۰۳). Association rule mining: ...
Karthikeyan, T., & Ravikumar, N. (۲۰۱۴). A survey on association ...
Cho, Y. H., Kim, J. K., & Kim, S. H. ...
Solanki, S. K., & Patel, J. T. (۲۰۱۵, February). A ...
Zhang, G. P. (۲۰۰۰). Neural networks for classification: a survey. ...
Andrews, R., Diederich, J., & Tickle, A. B. (۱۹۹۵). Survey ...
Li, Y., & Ma, W. (۲۰۱۰, October). Applications of artificial ...
X. Yuan, P. He, Q. Zhu and X. Li, "Adversarial ...
doi: ۱۰.۱۱۰۹/TNNLS.۲۰۱۸.۲۸۸۶۰۱۷[۹۷] Wang, J., Chen, Y., Hao, S., Peng, X., ...
Zhao, R., Yan, R., Chen, Z., Mao, K., Wang, P., ...

نمایش کامل مراجع