بهبود کارایی در سیستم های پیشنهاد دهنده ی مبتنی بر گراف
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 745
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NPECE01_174
تاریخ نمایه سازی: 6 بهمن 1395
Abstract:
گسترش اینترنت در سال های اخیر باعث ایجاد برنامه های کاربردی بسیار زیادی در زمینه تجارت الکترونیک شده است یکی از مهم ترین برنامه های کاربردی سیستم های پیشنهاد دهنده است این سیستم ها نوع ویژه ای از سیستم های فیلتر اطلاعات هستند که در آن آیتم ها بر اساس آنچه که برای کاربر جذاب است فیلتر می شود با توجه به حجم عظیم داده ای که امروزه با آن مواجه هستیم استفاده از سیستم های پیشنهاد دهنده در ساختار گراف ضروری است فیلتر کردن اطلاعات در این سیستم ها بر اساس شباهت بین آیتم ها انجام می شود از روش های اندازه گیری شباهت در گراف داده استفاده از خصوصیات ساختاری و غیر ساختاری یا ترکیبی از آنها است در این تحقیق هدف افزایش دقت در انتخاب آیتم های پیشنهادی با ترکیب دو روش مبتنی بر محتوا و فیلترینگ همبستگی در گراف داده ای است به همین منظور الگویی جدید جهت ایجاد پیشنهاد در سیستم های پیشنهاد دهنده مبتنی بر گراف ارائه شده است این الگو میزان شباهت بین موجودیت ها را با ترکیب الگوریتم های ساختاری و غیر ساختاری محاسبه کرده و پیشنهادات را بر اساس بیشترین میزان مشابهت به کاربر ارائه می کند در الگوریتم ساختار ارائه شده از روش های پیش بینی یال و الگوریتم SRank استفاده شده است در الگوریتم غیر ساختاری برای محاسبه میزان مشابهت بین عناصر ویژگی های پروفایلی موجودیت ها مدنظر قرار گرفته است در بخش ارزیابی الگوی پیشنهادی بر روی مجموعه داده ای فروشگاه اینترنتی آی هدیه پیاده سازی می شود
Keywords:
سیستم های پیشنهاد دهنده , کلان داده ها , گراف داده ای , شباهت ساختاری , شباهت غیر ساختاری , پیش بینی یال
Authors
الهام صانعی نژاد
دانشکده کامپیوتر موسسه آموزش عالی صفاهان اصفهان
هادی خسروی فارسانی
دانشکده مهندسی کامپیوتر دانشگاه شهرکرد شهرکرد
محمدرضا خیام باشی
دانشکده مهندسی کامیپوتر دانشگاه اصفهان
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 :