س یستم پیشنهاددهنده برچسب معنایی در سیستم های برچسبزنی اجتماعی
Publish place: 12th Iranian Conference on Intelligent Systems
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 753
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_148
تاریخ نمایه سازی: 11 مرداد 1393
Abstract:
استفاده روزافزون کاربران از تکنولوژی برخط جهت دستیابی، مدیریت و اشتراکگذاری منابع باعث ایجاد فضای بزرگ و پیچیده اطلاعاتی و کاهش سودمندی این تکنولوژی شده است. یک راهکار مناسب جهت حل این مشکل استفاده از سیستمهای حاشیه-نویسی اجتماعی میباشد. سیستمهای حاشیهنویسی اجتماعی به کاربران اجازه میدهند منابع خود را آزادانه توسط برچسبها حاشیهنویسی، گروهبندی، جستجو و اشتراکگذاری کنند. این آزادی در برچسبزنی خود باعث افزایش برچسبهای اشتباه و بهموجب آن دستهبندی غلط و دسترسی مشکل به دادهها شده است. سیستمهای پیشنهاددهنده با بررسی علایق کاربر و منبع موردنظر سعی به ارائه برچسبهای پیشنهادی صحیح میکنند. اکثر الگوریتمهای پیشنهاددهنده برچسب به خاطر حجم عظیم دادههای دنیای واقعی دارای سرعت پایینی میباشند و چالشهاییهمچون مشکل در شروع سرد، وجود ناسازگاری و اشتباه در برچسبهای وارد شده توسط کاربران را میتوان اشاره کرد. در این مقاله یک سیستم پیشنهاددهنده برچسب معنایی برای سیستمهای برچسبزنی مردمی معرفی میشود که از ترکیب دو روشمحتواگرا و مشارکتگرا بهره میبرد. در این سیستم ارائه پیشنهادات براساس محتوای منبع، کلماتکلیدی و برچسبهای اختصاص داده شده به منبع، یافتن منابع مشابه، استفاده از پایگاه هستیشناسی سایت وردنت، بررسی پروفایل کاربر و یافتن کاربران مشابه صورت میگیرد. نتایج آزمایشات بر روی نمونههای استخراجی از سایت بیبسونومی نشان میدهد که روش ارائه شده از صحت و کارآیی بالاتری نسبت به دیگر روشها برخوردار است و نیز در دنیای واقعی قابل استفاده است
Keywords:
Authors
حمید اکبری
دانشجوی کارشناسی ارشد کامپیوتر-نرمافزار، دانشگاه آزاد اسلامی واحد مشهد
محمود بابایی
دانشجوی کارشناسی ارشد کامپیوتر-نرمافزار، دانشگاه آزاد اسلامی واحد مشهد
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 :