چارچوبی نوین برای ارزیابی سیستم های توصیه گر بر مبنای روش های مدل سازی و غنی سازی پروفایل کاربر
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 860
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0123
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
در چند سال گذشته، به دلیل سهولت در انتشار داده ها در وب و رسانه های اجتماعی، حجم محتوای دیجیتالیبطور قابل توجهی افزایش یافته است. این مقدار زیاد از داده ها بر روی وب و رسانه های مختلف اجتماعی چالش هاییمانند فقدان ابرفضا و اضافه بار اطلاعات را به ارمغان می آورد. یکی از راه حل های امیدوار کننده برای غلبه بر این مشکلاتسیستم های توصیه گر هستند. سیستم های پیشنهاد دهنده تاثیر جمع آوری و بهره برداری از اطلاعات مربوط به اشخاصو موارد را بیشتر میکنند. در ادبیات موضوع، چندین روش برای مدل سازی و غنی سازی پروفایل کاربر ارائه شده است. دراین مقاله، ما یک چارچوب مقایسه برای مقایسه و طبقه بندی مدل سازی کاربران و غنی سازی مدل کاربران برای سیستمهای توصیه گر را معرفی می نماییم. چارچوب مقایسه ای ارائه شده شامل مولفه های زیر می باشد: (الف) روش مدل سازی(ب) روش غنی سازی، (ج) روش ارزیابی، و (د) پیکره مورد استفاده. ما سپس به چالش های موجود در زمینه سیستم هایتوصیه گر و گرایش های نوظهور در این زمینه می پردازیم.
Keywords:
Authors
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 :