ارائه یک معیار جدید اندازه گیری شباهت در سیستم های توصیه گر فازی
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 87
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JSCIT-9-2_001
Index date: 16 October 2024
ارائه یک معیار جدید اندازه گیری شباهت در سیستم های توصیه گر فازی abstract
با توسعه اینترنت، بشر امروزی با رشد انفجاری و تنوع اطلاعات مواجه است و این امر تصمیم گیری در زمینه های مختلف را با چالش مواجه کرده است. بدین منظور سیستم های توصیه گر با شناسایی علایق کاربران، فیلترکردن داده ها و مدیریت اطلاعات، باعث صرفه جویی در زمان، شخصی سازی تجارت الکترونیک، بهبود بازاریابی و غیره شده است. یکی از موفق ترین روش های سیستم های توصیه گر، فیلترینگ همکاری است که مبتنی بر شباهت بین کاربران می باشد. در سیستم های توصیه گر، دقت و کیفیت توصیه ها اهمیت بسزایی دارند. راهکار های مختلفی مانند استفاده از منطق فازی برای بهبود دقت و کیفیت توصیه ها، ارائه شده است. استفاده از منطق فازی، روشی موثر برای برخورد با عدم قطعیت در اندازه گیری شباهت آیتم ها و کاربران است. در این پژوهش، روشی جدیدی برای اندازه گیری شباهت فازی به نام FSM براساس فاکتور های محبوبیت و اهمیت، در سیستم های توصیه گر فیلترینگ همکاری ارائه شده است. در روش پیشنهادی، از اعداد فازی برای بهبود دقت و کیفیت توصیه ها استفاده شده است. روش پیشنهاد شده، توسط معیار های MAE ،F۱ ، فراخوانی و صحت ارزیابی شده است. مقدار F۱ در حالت استفاده از معیار شباهت پیشنهادی نسبت به روش های مبتنی بر معیار های PIP و NHSM به ترتیب ۱۷ و ۲۰ درصد افزایش یافته است. همچنین معیارهای فراخوانی و صحت بدست آمده از این روش نسبت به دو روش مذکور نیز بهبود قابل توجهی یافته اند.
ارائه یک معیار جدید اندازه گیری شباهت در سیستم های توصیه گر فازی Keywords:
ارائه یک معیار جدید اندازه گیری شباهت در سیستم های توصیه گر فازی authors
Mansooreh Shojaee
Science and research Branch, Islamic Azad University, Tehran, Iran
Hassan Saneifar
Computer Department, Raja University of Qazvin. Iran
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 :