حل مشکل شروع سرد سیستم های پیشنهاد دهنده در سیستم های برچسب زن اجتماعی
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,465
This Paper With 10 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:
CCITC01_042
تاریخ نمایه سازی: 27 آبان 1393
Abstract:
سیستم های برچسب زن اجتماعی پیوسته در حال متداول شدن می باشند. این سیستم ها به کاربران اجازه می دهند تا منابع خود را آزادانه سازمان دهی نمایند. افزایش این سیستم ها نجر به افزایش حجم داده شده و فراهم کردن اطلاعات مناسب از بین این حجم وسیع داده، مدنظر محققین بوده است. سیستم های پیشنهاد دهنده برای حل این مشکل ارائه شده اند. این سیستم ها با استفاده از رفتار کاربران در گذشته، علایق آن را تشخیص و پیشنهادهای مناسبی را به کاربران ارائه می دهند. هنگامی که کاربران جدید وارد سیستم می شوند، م عمولاً اطلاعات کافی به منظور تولید پیشنهادها برای آنها وجود ندارد که منجر به بروز مشکل شروع سرد می شود. در این مقاله سیستمی پیشنهادی می شود که در طی فاز برون خط با ترکیب الگوریتم رقابت استعماری گسسته و الگوریتم k-medoids برچسب ها را خوشه بندی کرده و در طی فاز برخط با ورود کاربر جدید و وارد کردن برچسب های مدنظرش، k همسایه هر برجسب جدید و منابعی که توسط همسایه ها برچسب گذاری شده اند، استخراج و وزن دهی شده و تعدادی منبع با بیشترین وزن پیشنهاد می شوند. ازیابی سیستم پیشنهادی بر روی مجموعه داده استخراج شده از وب سایت MovieLens انجام شده است. ن تایج به دست آمده از آزمایش ها، بهبود معیارهای ارزیابی در ارائه پیشنهادها در مقابل سایر روش ها را نشان می دهد.
Keywords:
الگوریتم قابت استعماری- الگوریتم k-medoids- سیستم برچسب زن اجتماعی- سیستم پیشنهاد دهنده- شروع سرد
Authors
محمدحسین جعفری
دانشگاه آزاد اسلامی واحد مشهد، انجمن علمی کامپیوتر، مشهد، ایران
مهرداد جلالی
استادیار دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی کامپیوتر، مشهد، ایران
قمرناز تدین تبریزی
استادیار دانشگاه آزاد اسلامی واحد مشهد، گروه فناوری اطلاعات، مشهد، ایران
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 :