کاهش مشکل شروع سرد در سیستم های پیشنهاد دهنده، مبتنی بر اعتماد

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,420

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CEIT01_468

تاریخ نمایه سازی: 9 تیر 1393

Abstract:

حجم فراوان و رو به رشد اطلاعات بر روی وب و اینترنت، فرایند تصمیم گیری و انتخاب اطلاعات، داده و یا کالاهای مورد نیاز را برای بسیاری از کاربران وب دشوار کرده است . سیستم های پیشنهاد دهنده به کاربرانی که از بین حجم بالای اطلاعات به دنبال نوعی خاص از اطلاعات مرتبط با اولویت هایشان هستند، پیشنهادات شخصی شده ای را ارائه می دهد. البته انتخاب این اطلاعات میبایست با توجه به علایق و خواسته های کاربر همراه باشد. سیستم های پیشنهاد دهنده باتحلیل رفتار کاربران خود، اقدام به پیشنهاد بهترین اطلاعات و خدمات خواهند کرد. در بسیاری از سیستم های پیشنهاد دهنده ارائه خدمات به کاربران با توجه به شباهت بین کاربران و روابط دوستی بین آنان صورت میگرد. در این مقاله، ما به بررسی کاهش مشکل سیستم های پیشنهاد دهنده خواهیم پرداخت . مشکل رایج در این سیتسم ها، مشکل شروع سرد میباشد. این مشکل زمانی رخ می دهد که سیستم نمی تواند محصول مناسبی را به کاربر خود ارائه کند. در این مقاله مسئله اعتماد بین روابط کاربران بررسی خواهد شد، که می تواند در جهت کاهش مشکل شروع سرد در این سیستم ها کارگشا باشد.

Keywords:

Authors

صدیقه امانی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد علوم و تحقیقات البرز

علیرضا هدایتی

استادیار دانشگاه، عضو هیئت علمی دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران مرکزی

واهه آغازاریان

استادیار دانشگاه، عضو هیئت علمی دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران مرکزی

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 :
  • ضرغامی شیرین، عمادی سید مان، "بررسی مشکلات Collaborative Filtering و ...
  • در این مقاله، جهت بدست آوردن اعتماد بین کاربران ابتدا ...
  • N.M. Heung, E.S. Abdulmotaleb, S.J. Geun, " Collaborative error-reflected models ...
  • J. Golbeck. :Computing and Applying Trust in Web based Social ...
  • Mei-Hua, H., "Proposing a charting recommender system for S econd-language ...
  • Felfering A., Friedrich G., and Schmidt- Thieme L., "Recommender systems, ...
  • Radom Walk A:ء [6] M. JamaJi, M. Ester, TrustWaker Recommenda ...
  • J.A. Hyung, ":A new similarity measure for collaborative filtering to ...
  • C.W. Leung, S.C. Chan, F.L. Chung, _ empirical study ...
  • L.T. Weng, Y. Xu, Y. Li, R. Nayak, "Exploiting item ...
  • Li Y., Lu L., and Xuefeng L., "A hybrid collaborative ...
  • filtering approach for recommending ranked items, " Expert systems with ...
  • Teno J. F. L. and Mareschal B., "An interval version ...
  • E. Adomavicius, A. Tuzhilin, Toward the next generation of recommender ...
  • J.L. Herlocker, J.A. Konstan, J.T. Riedl, L.G. Terveen, "Evaluating Co ...
  • Terveen, L., & Hill, _ _ , 'Human-Comp uter collaboration ...
  • Goldberg, K... Roeder, T., Gupta, D., & Perkins, C. Eigentaste:" ...
  • Punam Bedi, Ravish Sharma, "Trust based recommender system using cant ...
  • Montaner, M., Lopcz, B., & Lluis de la Rosa, J. ...
  • Y. Koren, R. Bel CH. Volinsky, "Matrix factorization techniques for ...
  • X. Luo, Y. Xia, Q. Zhu, "Incremental collaborative filtering recommender ...
  • X. Luo, Y. Xia, Q. Zhu, "Applying the learning rate ...
  • G. Takacs, I. Pilaszy, B. Nemeth, D. Tikk, ":Scalable collaborative ...
  • H.N. Kim, A.T. Ji, I. Ha, G.S. Jo, "Collaborative filtering ...
  • J. O'Donovan and B. Smyth, ; Trust in recommender systems", ...
  • P. Massa and P Avesani. :"Trust-aware recommender systems: . In ...
  • نمایش کامل مراجع