بهبود عملکرد سیستمهای توصیه گر با استفاده از خوشه بندی فارسی و اطلاعات پرو فایل کاربران
Publish place: Regional Conference on Computer Science, Computer Engineering and Information Technology
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,359
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DOROUDIT01_145
تاریخ نمایه سازی: 7 آذر 1391
Abstract:
یکی از عاملهای مؤثر بر کارآیی یک سیستم توصیه گر معیار اندازهگیری شباهت است. معیار اندازهگیری با کمک اطلاعاتی که از کاربران دریافت میکند شباهت بین کاربران را میسنجد. هدف این مقاله بهبود عملکرد سیستمهای توصیه گر با استفاده از یک معیار اندازهگیری شباهت جدید است . این نگاه از اطلاعات پرو فایل کاربران برای محاسبه شباهت بین کاربران استفاده میکند. آزمایشات بر روی مجموعه داده مووی لنز انجام شده است و نتایج آنان حاکی از اینست که معیار پیشنهادی توانسته موجب افزایش کارآیی سیستمهای توصیه گر شود.
Keywords:
Authors
فرشته کیاست
دانشجوی کارشناسی ارشد - گروه مهندسی کامپیوتر و فناوری اطلاعات - دانشکد
پرهام مرادی
استادیار - گروه مهندسی کامپیوتر و فناوری اطلاعات - دانشکده مهندسی - دان
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 :