ارائه یک الگوریتم ترکیبی مبتنی بر شباهت برداری و خوشه بندی در سیستم های پیشنهاد دهنده، برای الگوریتم های فیلترینگ مشارکتی
Publish place: First International Conference on Information Technology
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,789
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FBFI01_165
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
رشد روز افزون داده ها و اطلاعات در فضای مجازی، کاربران را برای یافتن اطلاعات مورد علاقه شان دچار سردرگمی کرده است. سیستم های پیشنهاد دهنده با استفاده از الگوریتم های فیلترینگ، کاربران را به سمت اهداف مورد علاقه شان هدایت می کنند. در بین الگوریتم های فیلترینگ، الگوریتم فیلترینگ مشارکتی بیشترین محبوبیت را دارد. در الگوریتم فیلترینگ مشارکتی، ابتدا کاربرانی که از نظر سلایق بیشترین تشابه را با کاربر فعال دارند، به عنوان همسایه های کاربر فعال مشخص می شوند. سپس سیستم جهت تولید پیشنهاد برای کاربر مورد نظر، آیتم هایی که توسط همسایه های او پسندیده شده است ولی از دید کاربر فعال پنهان مانده است را به او پیشنهاد می دهد. یکی از ایرادات اساسی این الگوریتم ها، حجم بالای محاسبات برای تعیین میزان مشابهت می باشد. در این مقاله روشی براساس الگوریتم های مبتنی بر شباهت برداری و خوشه بندی ارائه شده است. ابتدا مشخصه های آیتم ها استخراج و هر آیتم به صورت برداری از مشخصه ها نشان داده می شود. در مرحله بعد، با توجه به رتبه های داده شده توسط کاربران، متناظر با هر کاربر یک بردار تولید می شود، که هر فیلد آن نشان دهنده میزان علاقه مندی آن کاربر به یکی از مشخصه های آیتم ها باشد و در مرحله بعد با بکارگیری یکی از الگوریتم های خوشه بندی در داده کاوی، گروه های کاربری تشکیل می شوند. با بکارگیری این روش علاوه بر اینکه از حجم عظیم عملیات تشخیص مشابهت در این سیستم ها کاسته می شود، دقت پیشنهادات نیز در این سیستم ها بهبود می یابد.
Keywords:
Authors
محمد بهنیا
دانش آموخته کارشناسی ارشد مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)
فرساد زمانی بروجنی
استادیار و عضو هیات علمی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)،
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 :