حل مشکل شروع سرد در سیستم های توصیه گر با استفاده از کاربران مجازی و روش یادگیری مدل
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 4,428
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSITM01_499
تاریخ نمایه سازی: 10 شهریور 1393
Abstract:
یک سیستم توصیه گر از ابزارهای الگوریتمی برای کار با داده در دسترس مربوط به علایق کاربر برای پیشنهاد موردهای موردعلاقه استفاده می کند. الگوریتم های مربوط به فیلترینگ همکار در بین موثرترین الگوریتم های توصیه قرار دارند چون مقدارزیادی از داده مربوط به علایق در مورد یک کاربر خاص و جامعه مربوط به او گردآوری می شود. موارد جدید و کاربران جدید کهرفتار آنها ناشناخته است به طور پیوسته به سیستم توصیه گر افزوده می شوند. در نتیجه توصیه ها ممکن است از مشکل شروعسرد معروف تاثیر منفی بگیرند. در این مقاله ما به بررسی مشکل شروع سرد می پردازیم و برای حل این مشکل راه حل هایی ارائهمی دهیم. از جمله این راه حل ها استفاده از ربات ها یا کاربران مجازی است که به سیستم وارد می کنیم. یک ربات می تواند بهصورت یک کاربر یا مورد مصنوعی تولید شود. همچنین در ادامه به بررسی روش دیگری برای حل مشکل شروع سرد می پردازیمکه از روش یادگیری مدل استفاده می کند و از سه مرحله پیش پردازش داده و یادگیری مدل و مرحله توصیه تشکیل شده است.
Keywords:
سیستم های توصیه گر , فیلترینگ همکار , شروع سرد , کاربران مجازی , یادگیری مدل , سیستم شروع سرد , پیش پردازش داده
Authors
الیار مهدی زاده اقدم
کارشناس ارشد مهندسی فناوری اطلاعات (گرایش شبکه های کامپیوتری)، دانشگاه گیلان
سامان طهوری
کارشناس ارشد مهندسی فناوری اطلاعات (گرایش شبکه های کامپیوتری)، دانشگاه گیلان
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 :