سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهبود سیستم های پیشنهادگر مبتنی بر شبکه اجتماعی با به کارگیری تصفیه ی معنایی

Publish Year: 1391
Type: Conference paper
Language: Persian
View: 998

This Paper With 8 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

NCCSE01_093

Index date: 29 January 2014

بهبود سیستم های پیشنهادگر مبتنی بر شبکه اجتماعی با به کارگیری تصفیه ی معنایی abstract

روابط اجتماعی نقش مهمی در بازاریابی محصولات اینترنتی بازی می کند، به طوری که این نقش به ندرت در سیستم های پیشنهادگر در نظر گرفته می شود. در این مقاله ما نمونه ی جدیدی از سیستم های پیشنهادگر را ارائه می دهیم که از اطلاعات موجود در شبکه های اجتماعی از جمله علاقه مندی کاربر، پذیرش عمومی قلم و تأثیر دوستان اجتماعی بهره می برد. یک مدل احتمالاتی برای انجام پیشنهادات شخصی از چنین اطلاعاتی توسعه داده می شود. تحلیل ما روی مجموعه داده ای یک شبکه اجتماعی آنلاین است، که نشان می دهد دوستان تمایل بیشتری به انتخاب اقلام مشابه و دادن رتبه بندی های مشابه دارند. نتایج آزمایش روی این مجموعه داده ای نشان می دهد که سیستم پیشنهاد شده نه تنها صحت پیش گویی سیستم های پیشنهادگر را بهبود می بخشد، بلکه مسائلی از جمله شروع سرد و پراندگی داده که در تصفیه ی همکارانه وجود دارد را نیز اصلاح می کند. علاوه بر این، مابا به کارگیری تصفیه ی معنایی در شبکه های اجتماعی کارآیی سیستم های پیشنهادگر را بهبود می دهیم.

بهبود سیستم های پیشنهادگر مبتنی بر شبکه اجتماعی با به کارگیری تصفیه ی معنایی Keywords:

بهبود سیستم های پیشنهادگر مبتنی بر شبکه اجتماعی با به کارگیری تصفیه ی معنایی authors

فائزه رمضانی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه کامپیوتر، بوشهر، ایران

روح الله دیانت

دانشگاه قم

محمد بحرانی

دستیار آزمایشگاه پردازش گفتار دانشگاه شریف

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 :
M. Pazzani and D. Billsus. Learning and Revising User Profiles ...
R. J. Mooney and L. Roy. Content-Based Book Re commending ...
Sarwar, G. Karypis, J. Konstan, and J. Riedl. Item-Based Collaborative ...
D. Billsus and M Pazzani. Learning Collaborative Information Filters. In ...
J. S. Breese, D. Heckerman, and C. Kadie. Empirical Analysis ...
P. Resnick, N. Iakovou, M. Sushak, P. Bergstrom, and J. ...
G. Adomavicius, and A. Tuzhilin. Toward the Next Generation of ...
Sarwar, G. Karypis, J. Konstain, and J. Riedl. Application of ...
M. R. Subramani and B. Rajagopalan. Knowledge- Sharing and Influence ...
S. Yang and G. M. Allenby. Modeling interdependent Consumer Preferences. ...
J. Wang, A. P. Vires, M. J.T. Reinders. Unifying User-based ...
R. Zheng, F. Provost and A Ghose. Social Network Collaborative ...
P. Sen and L. Getoor. Empirical Comparison of Approximate Inference ...
J. He, W. W. Chu and Z. Liu. Inferring Privacy ...
S. Macskassy and F. Provost. A Simple Relational Classifier. In ...
نمایش کامل مراجع

مقاله فارسی "بهبود سیستم های پیشنهادگر مبتنی بر شبکه اجتماعی با به کارگیری تصفیه ی معنایی" توسط فائزه رمضانی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه کامپیوتر، بوشهر، ایران؛ روح الله دیانت، دانشگاه قم؛ محمد بحرانی، دستیار آزمایشگاه پردازش گفتار دانشگاه شریف نوشته شده و در سال 1391 پس از تایید کمیته علمی همایش ملی علوم و مهندسی کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله سیستم پیشنهادگر، شبکه اجتماعی، شبکه بیزی، تصفیه ی معنایی، روابط اجتماعی هستند. این مقاله در تاریخ 9 بهمن 1392 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 998 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که روابط اجتماعی نقش مهمی در بازاریابی محصولات اینترنتی بازی می کند، به طوری که این نقش به ندرت در سیستم های پیشنهادگر در نظر گرفته می شود. در این مقاله ما نمونه ی جدیدی از سیستم های پیشنهادگر را ارائه می دهیم که از اطلاعات موجود در شبکه های اجتماعی از جمله علاقه مندی کاربر، پذیرش عمومی قلم و تأثیر ... . برای دانلود فایل کامل مقاله بهبود سیستم های پیشنهادگر مبتنی بر شبکه اجتماعی با به کارگیری تصفیه ی معنایی با 8 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.