تاثیر تعداد همسایه ها درسیستم های توصیه گر مبتنی بر الگوریتم ژنتیک و ازدحام ذرات

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 716

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICIKT07_108

تاریخ نمایه سازی: 22 مهر 1394

Abstract:

این مقاله یک معیار برای اندازه گیری شباهت بین کاربران ارائه می کند که در سیستم های توصیه گر مبتنی بر پالایش مشارکتی قابل استفاده است. روش پیشنهادی از یک ترکیب خطی ساده ازمقادیر و وزن ها استفاده می کند. مقادیر برای هرجفت ازکاربران که بین آن ها شباهت، به دست آمده محاسبه می شود در حالی که وزن ها فقط یک بار محاسبه می شوند از آنجا که روش های بهینه سازی ، رویکرد های قوی و کارآمد برای حل مسائل پیچیده در دنیای واقعی فراهم می کنند بااستفاده از الگوریتم ازدحام ذرات و ژنتیک ، وزن بهینه از سیستم توصیه گر استخراج می شود و از آن در محاسبه تابع شباهت استفاده می شود و برای پیش بینی آیتم های سیستم توصیه گر از الگوریتم نزدیک ترین همسایه استفاده می شود، تعیین تعداد همسایه ها یک پارامتر مهم است. نتایج نشان می دهد که انتخاب تعداد میانی برای همسایه ها جهت تعیین شباهت مناسب می باشد و الگوریتم ازدحام ذرات دارای دقت بهتری در توصیه است و زمان اجرای این الگوریتم نیز کوتاه تر می باشد.

Authors

اعظم سمیعی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد میبد ، گروه مهندسی کامپیوتر ، میبد ، ایران

محمد جواد کارگر

عضو هیئت علمی،دانشگاه آزاد اسلامی واحد میبد ، گروه مهندسی کامپیوتر ، میبد ، ایران

کمال میرزائی

عضو هیئت علمی،دانشگاه آزاد اسلامی واحد میبد ، گروه مهندسی کامپیوتر ، میبد ، 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 :
  • رضایی، راحتی، وحید، امین، "ترکیب الگوریتم ژنتیک و ازدحام ذرات‌برای‌حل‌مسائل ... [مقاله کنفرانسی]
  • Y. S. Kim, B.-J. Yum, J. Song, and S. M. ...
  • F. Ortega, J. Bobadilla, A. Hernando, and A. "Incorporating ...
  • re commendation s to recommender systems: Alternatives and performance, " ...
  • Management, vol. 49, pp. 895-901, 2013. ...
  • J. Bobadilla, F. Ortega, A. Hernando, and A. Gutierrez, "Recommender ...
  • K. Choi and Y. Suh, "A new similarity function for ...
  • J. Bobadilla, F. Ortega, A. Hermando, and J. Alcala, filtering ...
  • recommender system results and performance using genetic algorithms, " Knowl ...
  • X. Shi, Y. Lu, C. Zhou, H. Lee, W. Lin, ...
  • S. Pandey, L. Wu, S. M. Guru, and R. Buyya, ...
  • W. Wang, Q. Sun, X. Zhao, and F. Yang, "An ...
  • International Journal of Computational Intelligence Systems, vol. 3, pp. 18-30, ...
  • نمایش کامل مراجع