سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

غنی سازی محتوای پروفایل کاربران در شبکه های اجتماعی بر مبنای مدل سازی مشارکتی به منظور بهبود عملکرد سیستم های توصیه گر

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 943

This Paper With 22 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

CBCONF01_0124

Index date: 6 September 2016

غنی سازی محتوای پروفایل کاربران در شبکه های اجتماعی بر مبنای مدل سازی مشارکتی به منظور بهبود عملکرد سیستم های توصیه گر 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.

غنی سازی محتوای پروفایل کاربران در شبکه های اجتماعی بر مبنای مدل سازی مشارکتی به منظور بهبود عملکرد سیستم های توصیه گر Keywords:

سیستم های توصیه گر , شبکه های اجتماعی , مدل کاربر , پالایش محتوا , روش های مشترک پالایش , غنی سازی مدل کاربر

غنی سازی محتوای پروفایل کاربران در شبکه های اجتماعی بر مبنای مدل سازی مشارکتی به منظور بهبود عملکرد سیستم های توصیه گر authors

محمدصادق موید صفاری

دانشجوی کارشناسی ارشد

حسین شیرازی

عضو هیئت علمی

حجت امامی

دانشجوی دکتری

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 :
.6731 , قاشن‌ام‌ف‌ارس بی‌راز , الله خپارست‌ی‌رج _ ج‌مع واگ‌ان‌م‌رادف ...
S. Berkovsky, T. Kuflik and F. Ricci, "Cross-re presentation mediation ...
A. McCallum and K. Nigam, "A comparison of event models ...
Heung-Nam Kim, Inay Ha , Kee-Sung Lee, Geun-Sik Jo b ...
G. Salton and C. Buckley, "Term weighting approaches in automatic ...
M. Montaner, _ Lopez and J.L. de la Rosa, "A ...
S. Berkovsky, T. Kuflik and F. Ricci, "Mediation of user ...
A. Das, M. Datar and A. Garg, "Google _ persona ...
_ Han, J. Pei and Y. Yin, "Mining frequent patterns ...
Larsen, B. and Aone, C., "Fast and Effective tex mining ...
Stevenson, M., "Word Sense Disam biguation: The Case for Combinations ...
M. Degemmis, P. Lops and G. Semeraro, "A content-cola borative ...
P. Melville, R.J. Mooney and R. Nagarajan, _ Conte nt-boosted ...
B.M. Sarwar, G. Karypis, J.A. Konstan and J.T. Riedl, "Analysis ...
G. Adomavicius and A. Tuzhilin, "Toward the next generation of ...
Salter and N. Anto nopoulos, "Ci nemaScreen recommender agent: combining ...
M.J. Pazzani and A Meyers, "NSF research awards abstracts, " ...
M. Deshpande and G. Karypis, "Item-based top-n reCom mendation algorithms, ...
نمایش کامل مراجع

مقاله فارسی "غنی سازی محتوای پروفایل کاربران در شبکه های اجتماعی بر مبنای مدل سازی مشارکتی به منظور بهبود عملکرد سیستم های توصیه گر" توسط محمدصادق موید صفاری، دانشجوی کارشناسی ارشد؛ حسین شیرازی، عضو هیئت علمی؛ حجت امامی، دانشجوی دکتری نوشته شده و در سال 1395 پس از تایید کمیته علمی اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله سیستم های توصیه گر، شبکه های اجتماعی، مدل کاربر، پالایش محتوا، روش های مشترک پالایش، غنی سازی مدل کاربر هستند. این مقاله در تاریخ 16 شهریور 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 943 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که 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 ... . برای دانلود فایل کامل مقاله غنی سازی محتوای پروفایل کاربران در شبکه های اجتماعی بر مبنای مدل سازی مشارکتی به منظور بهبود عملکرد سیستم های توصیه گر با 22 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.