ارزیابی و دسته بندی روش ها ی ایجاد سیستم های پیشنهاد دهنده شخصی سازی شده

راضیه قیاسی; سیدحسن هانی زواره ای

ارزیابی و دسته بندی روش ها ی ایجاد سیستم های پیشنهاد دهنده شخصی سازی شده

Publish place: 4th Iranian Conference on Electrical and Electronics Engineering

Publish Year: 1391

نوع سند: مقاله کنفرانسی

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/164427

شناسه ملی سند علمی:

ICEEE04_361

تاریخ نمایه سازی: 6 مهر 1391

Abstract:

امروزه علاقه مندی بسیاری به حوزه ی سیستم های پیشنهاد دهنده در سازمان ها و محافل علمی وجود دارد. این سیستم ها در حوزه های کاربردی مختلف جهت حمایت از کاربران در تصمیم گیری، کمک به آن ها در مدریت حجم انبوه اطلاعات و فراهم کردن شکل هوشمندی از دسترسی به اطلاعات قابل استفاده هستند. اما به دلیل نوظهور بودن این مسئله، کمبود دسته بندی مشخص در رابطه با روش های پیاده سازی سیستم های پیشنهاد دهنده در منابع پژوهشی احساس می شود. در همین راستا در این مقاله قصد داریم به تعریف و بررسی ایده ها و مفاهیم پایه ای سیستم های پیشنهاد دهنده، ارائه ی دسته بندی جامعی از روش های تولید پیشنهاد، بررسی هر یک از این روش ها و همچنین نقاط قوت و ضعت روش ها بپردازیم.

Keywords:

سیستم های پیشنهاد دهنده , پالایش مشارکتی , پالایش محتوایی , پالایش مبتنی بر داده های شخصی , پالایش مبتنی بر دانش

Authors

راضیه قیاسی

دانشجوی فناوری اطلاعات دانشگاه قم

سیدحسن هانی زواره ای

بخش فناوری اطلاعات دانشگاه قم

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 :

Adomavicius E., Tuzhilin A., "Toward the next generation of recommend ...
Albadvi A., M. Shahbazi. "A hybrid _ _ ommendation technique ...
Bobadilla J., Ortega F., Hernando A., Bernal J. _ collaborativ ...
Burke R., "Hybrid R ecommender Systems: Survey and Experiments". User ...
Deshpande, M., Karypis, G. "Item-based top-N _ _ ommendation algorithms". ...
Desrosier C., Karypis G., _ comprehensive srvey of neighb orhood-based ...
Drachsler H., Hummel H. G.K. and Koper R., "Personal recommender ...
Felfernig A., Burke R., _ _ onstraint- based Recommender Systems: ...
Felfernig A., Friedrich G., Jannach D. and Zanker M. _ ...
http :/fa.wikipedia. org ...
Jannach D., Zanker M., Felfernig A., Friedrich G., _ _ ...
Jiang Y., Shang J., Liu Y., "Maximizing customer satisfaction through ...
Lee Y.L., Huang F.H., _ comnender system architecture for adaptive ...
Liang T.P., Yang Y.F., Chen D.N., Ku. Y.C. "A semantice ...
Linden, G., Smith, B., York, J. ...
recommeI dations : Item-to-item collaborative filtering". IEEE Internet Computing, 7, ...
Mart Inez L, Barranco M.J. PErez L.G., Espinilla M., _ ...
Ricci F., Rokach L. and Shapira B., (2011), "Introduction to ...
Riedl J., Jameson A., Konstan J., _ Techniques for Personalized ...
Sarwar, B., Karypis, G., Konstan, J., Reidl, J. "Item-based collaborative ...
Tow1 B., Quinn C., :Knowledge Based Recommender Systems Using Explicit ...
Wei C.P., M.J, Shaw, R.F. Easley, _ survey of recommen ...
Yu, Yu, Philip S. "Data mining and p ersonalization technologies". ...

نمایش کامل مراجع