سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهبود نتایج و عملکرد سیستم توصیه گر پالایش مشارکتی با استفاده از الگوریتم رقابت استعماری

Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,537

This Paper With 10 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

CSITM01_038

Index date: 1 September 2014

بهبود نتایج و عملکرد سیستم توصیه گر پالایش مشارکتی با استفاده از الگوریتم رقابت استعماری abstract

سیستم های توصیه گر با تحلیل رفتار کاربران و جمع آوری اطلاعات آنان، توصیه های مفیدی متناسب با نیاز کاربران به آنان پیشنهادمی دهند. یکی از الگوریتم های بکار رفته در این سیستمها روش پالایش مشارکتی مبتنی بر کاربر است. ایده این است. که اگرکاربران علایق مشابهی در گذشته داشته باشند در آینده نیز احتمالا سلیقه های مشابه ی خواهند داشت. مهمترین بخش الگوریتمپالایش مشارکتی مبتنی بر کاربر به تعیین شباهت بین کاربران اختصاص دارد. ما در این مقاله یک معیار شباهت جدید و بهینه ازطریق ترکیب خطی ساده از وزنها و نسب. رتبه بندیها به کمک الگوریتم رقابت استعماری پیشنهاد و آزمایش کرده ایم و نتایجحاصل را با معیار شباهت سنتی پیرسون و معیار شباهت بهینه ی مبتنی بر الگوریتم ژنتیک مقایسه نموده ایم. نتایج مقایسه ها نشانمی دهد که روش پیشنهادی نه تنها دقت توصیه را بهبود می بخشد، بلکه باعث افزایش کیفی. پیش بینی و کارایی توصیه نیز می-گردد.

بهبود نتایج و عملکرد سیستم توصیه گر پالایش مشارکتی با استفاده از الگوریتم رقابت استعماری Keywords:

بهبود نتایج و عملکرد سیستم توصیه گر پالایش مشارکتی با استفاده از الگوریتم رقابت استعماری authors

فرزانه مروجی

دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر

الهام امیری مقدم

دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد

نرجس الهامی مقدم

دانشجوی کارشناسی ارشد کامپیوتر، 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 :
Atashpaz Gargari Esmaeil and Lucas Caro, (2007); «Imperialist Competitive Algorithm: ...
Bhaidani Amynah Sadiq, (2008); «Re commender System Algorithms». B.Sc thesis, ...
Bobadilla Jesus, Ortega Fernando and Hernando Antonio, (2013); «Rec ommender ...
Bobadilla Jesus, Ortega Fernando, Hernando Antonio and Alcala Javier, (2011); ...
Gong Songjie, Ye HongWu, Tan Hengsong, (2009); «Combining Memory-based and ...
Herlocker Jonathan, Konstan Joseph, Riedl John, (2007); «An Empirical Analysis ...
Krulwich Bruce, (1997); «Lifestyle finder: intelligent user profiling using large-scale ...
Lang Ken. (1995); «NewsWeede. Learning to filter netnews», 12th Int. ...
Ricci, R., Rokach, L, Shapira, B and Kantor, P.B. (2011); ...
نمایش کامل مراجع

مقاله فارسی "بهبود نتایج و عملکرد سیستم توصیه گر پالایش مشارکتی با استفاده از الگوریتم رقابت استعماری" توسط فرزانه مروجی، دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر؛ الهام امیری مقدم، دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد؛ نرجس الهامی مقدم، دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد نوشته شده و در سال 1393 پس از تایید کمیته علمی همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله سیستمهای توصیه گر، پالایش مشارکتی، معیار شباهت، الگوریتم رقابت استعماری، کارایی هستند. این مقاله در تاریخ 10 شهریور 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1537 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که سیستم های توصیه گر با تحلیل رفتار کاربران و جمع آوری اطلاعات آنان، توصیه های مفیدی متناسب با نیاز کاربران به آنان پیشنهادمی دهند. یکی از الگوریتم های بکار رفته در این سیستمها روش پالایش مشارکتی مبتنی بر کاربر است. ایده این است. که اگرکاربران علایق مشابهی در گذشته داشته باشند در آینده نیز احتمالا سلیقه های مشابه ی خواهند ... . برای دانلود فایل کامل مقاله بهبود نتایج و عملکرد سیستم توصیه گر پالایش مشارکتی با استفاده از الگوریتم رقابت استعماری با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.