بهبود عملکرد سیستم های توصیه گر بااستفاده ازاستخراج نظرات کاربردر داده هایحجیم

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 655

This Paper With 20 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICEASCONF01_372

تاریخ نمایه سازی: 9 مرداد 1395

Abstract:

سیستم پیشنهاد دهنده با توجه به افزایش خدمات شبکه های اجتماعی آنلاین در طول چند سال گذشته به یک موضوع تحقیقی در حال ظهور تبدیل شده است. در حال حاضر، باتوجه به گسترش سریع و مداوم استفاده از اینترنت، ضرورت وجود یک سیستم توصیه گر موثر برای پالایش حجم عظیم اطلاعات، تا حد زیادی افزایش یافته است.هدف سیستم های توصیه گر ارائه لیستی از آیتم های مورد علاقه کاربر به اوست و با توجه به افزایش حجم داده های موجود، ابزار به کار گرفته شده ی قبلی برای پردازش این حجم داده مناسب نیست. بنابراین؛ در اختیار داشتن سیستمی که بتواند داده های بزرگ را ذخیره وپردازش کند به یک مشکل تبدیل شده است. در این پژوهش،برای حل مشکلات بیان شده ، یک سیستم پیشنهاد با استفاده از مدل فیلتر پالایش همکاری مبتنی بر مدل و که برای توصیه دقیق تر به کاربر از نظرات کاربران ، از موتور پردازشگر اسپارک در بستر هدوپ استفاده می کند. روش انجام شده در این پژوهش از ترکیب دو مرحله برای توصیه به کاربر استفاده میکند. در مرحله اول، برای هر آیتمبرحسب شناسه آن، تمام نظرات کاربران با توجه به رویکرد مبتنی بر دیکشنری و استفاده از لغت نامه آماده سنتی وردنت ، به دو کلاس مثبت ومنفی دسته بندی می کند. در مرحله دوم، با استفاده از الگوریتم مبتنی بر همکاری ( CF ) و محاسبه شباهت بین آیتم های کاربران وکاربر فعال، مشابه ترین آیتم به آیتم های کاربر فعال در یکلیست برای پیشنهاد به کاربر قرار می گیرد. در این مرحله لیست پیشنهادی مرحله قبل را با توجه به نظرات به دست امده کاربران از مرحله اول ترکیب کرده و آیتم هایی که کاربران بر روی آنها نظرات منفی دارند را از لیست نهایی توصیه حذف خواهد کرد. نتایج بدست آمده نشان می دهد روش حاضر نسبت به روشهای معمول توصیه،کارآمدتر و موثرتر خواهد بود

Authors

خدیجه اسفندیاری

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفاشهر

علیرضا هنرور

عضو هیئت علمی دانشگاه آزاد اسلامی واحد صفاشهر

نسرین جوکار

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفاشهر

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 :
  • Kurian، D. D. M. K.، Vishnupriya، S.، Ramesh، R.، Divya، ...
  • Leung، C. W.، Chan، S. C.، & Chung، F. L. ...
  • workshop on reconnender systems (pp. 62-66). ...
  • Ma، M. M.، & Wang، S. P. (2015، June). ...
  • Maas، A. L.، Daly، R. E.، Pham، P. T.، Huang، ...
  • Learning word vectors for sentiment analysis. In Proceedings of the ...
  • Rosa، R. L.، Rodriguez، D. Z.، & Bressan، G. (2015، ...
  • Singh، V. K.، Mukherjee، M.، & Mehta G. K. (2011). ...
  • Tian، P.، Zhu، Z.، Xiong، L.، & Xu، F. (2015). ...
  • Tian، Pingfang، et al. "A reco mmendation mechanism for web ...
  • Jannach، D.، Zanker، M.، Felfernig، A.، & Friedrich، G. (2011). ...
  • نمایش کامل مراجع