غنی سازی محتوای پروفایل کاربران در شبکه های اجتماعی بر مبنای مدل سازی مشارکتی به منظور بهبود عملکرد سیستم های توصیه گر
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 918
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0124
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
سیستم های توصیه گر، در پاسخ به گرانبار شدن اطلاعات پدید آمده است. این سیستم ها به کاربران محتوایی مناسب با نیازآنان را توصیه میکند. برای ارائه توصیه مناسب به کاربران، سیستم های توصیه گر شخصی، نیازمند مدل های دقیق از ویژگی ها،ترجیحات و نیازهای کاربران میباشند. از چالشهای مهم در طراحی یک سیستم توصیه گر، دشواری در فهم خودکار ترجیهات کاربراست. دو روش به طور گسترده ای در سیستم های توصیه گر مورد استفاده قرار می گیرد که عبارتند از پالایش مبتنی بر محتوا وپالایش مشترک. وظیفه سنتی در پالایش مشترک، پیش بینی یک مورد خاص برای کاربر هدف با استفاده از نظرات دیگر کاربرانمشابه، و در نتیجه توصیه مناسب است. در این مقاله، برای بهبود توصیه شخصی به کاربران یک رویکرد مشارکتی برای مدل سازیکاربران فارسی زبان در شبکه های اجتماعی پیشنهاد شده است. این رویکرد در اولین گام الگوهای مفید و معنی داری برای کاربرپیدا می کند و بعد از ساختن مدل شخصی، آن را با استفاده از بانک واژه های مترادف فارسی و با مشارکت کاربران مشابه دیگر غنیخواهد کرد و با استفاده از مدل غنی شده به کاربر توصیه مناسب را ارائه می نماید.
Keywords:
سیستم های توصیه گر , شبکه های اجتماعی , مدل کاربر , پالایش محتوا , روش های مشترک پالایش , غنی سازی مدل کاربر
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 :