سیستم های توصیه گر مبتنی بر پالایش مشارکتی

زلیخا گل نتاج; مریم عادل خواه

سیستم های توصیه گر مبتنی بر پالایش مشارکتی

Publish place: The Second National Conference on New Approaches in Computer and Electrical Engineering

Publish Year: 1395

نوع سند: مقاله کنفرانسی

زبان: Persian

This Paper With 7 Page And PDF Format Ready To Download

دریافت فایل کامل Paper

Certificate
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/522514

شناسه ملی سند علمی:

BPJ02_017

تاریخ نمایه سازی: 11 آبان 1395

Abstract:

سیستم های توصیه گر امروزه به طور وسیعی در کمک رساندن به کاربران جهت یافتن نیازمندی های خود از میان حجم بسیار عظیم اطلاعات که به طور مکرر قابل دسترس اند، مورد استفاده قرار می گیرند. باتوجه به تعریف مختصری از انواع پالایش از نوع پالایش محتوایی، آماری، مشارکتی، و ترکیبی که مورد بررسی قرار دادیم در الگوریتم بررسی شده در این مقاله تمرکز کارروی سیستم های پیشنهاد دهنده مبتنی بر پالایش مشارکتی می باشد. در قسمتی از این مقاله مروری بر مفاهیم پایه و پیشینه پالایش مشارکتی در سیستم های توصیه گر نموده و چالش های موجود و فعالیت های مرتبط را مورد بررسی قرار خواهیم داد. یعنی کاربرانی را که هم عقیده با کاربر فعال هستند، را می یابد و سپس اقلام مورد علاقه آنها را به وی توصیه می کند. همچنین این مقاله روش های اقلام محور در پالایش مشارکتی را به دلیل رفع محدودیت های مقیاس پذیری و تهاجم مالی و نیز بهبود نتایج نسبت به روش های کاربر محور، پیشنهاد می نماید. نتایج این تحقیق بهبود قابل توجهی را در کیفیت پیش گویی ها و افزایش سطح پوشش نشان می دهند. در نهایت ما با توجه به حجم بسیار بالای دادگان و وجود اطلاعات نادرست در سیستم، تصمیم به استفاده از روش پالایش مشارکتی و بهبود نتایج خطا را در رویکردهای مبتنی بر کاربر و رویکردهای مبتنی بر قلم، پوشش داده ایم.

Keywords:

سیستم های توصیه گر , پالایش محتوایی , پالایش مشارکتی

Authors

زلیخا گل نتاج

دانشجوی کارشناسی ارشد رشته هوش مصنوعی، دانشگاه آزاد اسلامی واحد صفادشت،

مریم عادل خواه

عضو هیات علمی دانشگاه خوارزمی

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 :

کاربرد سیستمهای پیشنهاد دهنده در تجارت الکترونیک [مقاله کنفرانسی]
J. Bobadilla, F. Ortega, A. Hernando, A. Gutierrez, ، Reco ...
Xiaoyuan Su and Taghi M. Kho shgoftar, "A Survey _ ...
Artificial Intelligence Volume 2009, Article ID 421425, 19 pages ...
P.Resnick, H.R. Varian, _ mmender systems" C ommunications of ACM, ...
M. Balabanovic, Y. Shoham, _ ontent-based, ...
M. Pazzani, _ framework for collaborative, content-based, and demographic filtering", ...
J.B. Schafer, D. Frankowski, J. Herlocker, S. Sen, «Collabo rative ...
G. Adomavicius, A. Tuzhilin, "Toward the next generation of recommender ...
Transactions on Knowledge and Data Engineering 17 (6) 734- 749. ...
] J. Bobadilla, F. Ortega, A. Hernando, J. Alcala, Improving ...
Resnick, N .lacovou, M. Suchak, P , Bergstorm, J. Riedl, ...
Billsus, D., Pazzani. M.J." Learning Collaborative Information Filters?. In Proceedings ...
URI HANANI , BRACHA SHAPIRA and PERET SHOVAL "Information filtering: ...
L. Candillier, F. Meyer, M. Boulle, "Comparing state-o f-the-art co ...
F. Kong, X. Sun, S. Ye, _ comparison of several ...
P. Symeonidis, A. Nanopoulus, Y. Manolopoulus, system with ...
explanations", in: Proceedings of the 200 ACM Conference _ Recommender ...
B. M. Sarwar, G. Karypis, J. A. Konstan, and J. ...
commerce, " in Proceedings of the ACM E-Commerce, pp. 158-167, ...
G. Salton andM.McGill, «Introduction to Modern Information Retrieval", McGraw-Hill, New ...
J. Breese, D. Heckerman, and C. Kadie, "Empirical analysis of ...
Intelligence (UAI '98), 1998. ...
X. Su, T. M. Khoshgoftaar, and R. Greiner, :"A mixture ...
X. Su, T. M. Khoshgoftaar, X. Zhu, and R. Greiner, ...
Symposium on Applied Computing (SAC 08), pp. 949- 950, Cear ...
R. J. A. Little, "Missing-data adjustments in large su rveys, ...
D. B. Rubin, "Multiple Imputation for Nonresponse in Surveys", JohnWiley ...
S. A. Goldman and M. K. Warmuth, "Learning binary relations ...
A. Nakamura and N. Abe, _ Collaborative filtering using weighted ...
J. Pearl, ،Probabilistic Reasoning in Intelligent Systems": Networks of Plausible ...
Transactions on Knowledge and Data Engineering, vol. 16, no.1, pp. ...
S. Deerwester, S. T. Dumais, G. W. Furnas, T. K. ...
, no. 6, pp. 391-407, 1990. ...
H. Noh, M. Kwak, and I. Han, "improving the prediction ...
M. Claypool, A. Gokhale, T. Miranda, et al., "Combining content-based ...
Workshop _ Recommender Systems: Algorithms and Evaluation, Berkeley, Calif, USA, ...
J. McCrae, A. Piatek, and A. Langley, «C ollaborative Filtering, ...
.http ://www. imperialviolet .org/ Riedl, "Analysis of reco mmendation algorithms ...
S. K. Lam and J. Riedl, "Shilling recommender systems for ...
M. OMahony, N. Hurley, N. Kushmerick, and G. Silvestre, ...
robustness analysis, " ACM Transactions on Internet Technology, vol. 4, ...
R. Belll and Y Koren, "Improved neighborhood- based collaborative filtering, ...
B. N. Miller, J. A. Konstan, and J. Riedl, ، ...
J. Canny, ،Collabo rative filtering with privacy via factor analysis, ...
D. DeCoste, _ ollaborative prediction using matrix ...
(ICML 06), pp. 249-256, Pittsburgh, Pa, USA, June 2006. ...
K. Yu, X. Xu, J. Tao, M. Ester, and H.-P. ...
G. Shafer, _ Mathematica Theory of Evidence", Princeton University Press, ...
D. Cai, M. F. McTear, and S. I. McClean, "Knowledge ...
T. M. Khoshgoftar and J. V. Hulse, "Multiple imputation of ...
International Conference on Software Engineering and Knowledge Engineering (SEKE '06), ...
Y. Koren, _ Factorizatio meets the neighborhood : a multifaceted ...
Discovery and Data Mining (KDD T08), pp. 426-434, Las Vegas, ...

نمایش کامل مراجع