سیستم های توصیه گر

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 4,294

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CONECE01_015

تاریخ نمایه سازی: 8 اردیبهشت 1396

Abstract:

با توجه به رشد سریع سیستم های اطلاعات و وجود حجم زیادی از اطلاعات در شبکه جهانی نیاز به سیستم های که شبکه جهانی را برای کاربر سفارش کننده احساس شده است از طرفی نیاز روزافزون کاربران به وب مفهومی نیز بر اهمیت این موضوع افزوده است بنابراین سیستم هایی توصیه گر به عنوان راه حلی برای این معضل معرفی شدند این سیستم ها به طور هوشمند با استفاده از تکنیک های هوش مصنوعی به شناسایی علایق کاربران خود در فضای اینترنت پرداخت و پیشنهادی متناسب با اولویت ها و محدودیت های فعلی به کاربر ارایه می دهند. سیستم های توصیه گر برای حل مشکل سربار اطلاعاتی در اینترنت به وجود آمده اند. سیستم های توصیه گر از دانش علایق کاربر که از گذشته گردش وی در وب به دست آمده برای پیدا کردن کالاها یا صفحات وب مورد علاقه وی استفاده می کند. در این مقاله رویکرد توصیه را مورد بررسی قرار می دهیم سپس چند از سیستم های توزیع سنتی و مدرن را بررسی می کنیم و در انتها چالش های سیستم های توصیه گر را ذکر می کنیم.

Keywords:

سیستم های توصیه گر , انواع سیستم های توصیه گر , سیستم توصیه گر مبتنی بر محتوا , پالایش تجمعی , سیستم توصیه گر مبتنی بر دانش , چالش های سیستم توصیه گر

Authors

احمد احمدی

دانشجوی دانشگاه آزاد اسلامی واحد خرم آباد

حسام فولادوند

استاد،گروه کامپیوتر دانشکده فنی و مهندسی ،دانشگاه آزاد اسلامی واحد خرم آباد،لرستان

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 :
  • ]2 [Sharma, Richa, and Rahul Singh. "Evolution of Recommender Systems ...
  • Tran, T., & Cohen, R. (2000, July). Hybrid recommender systems ...
  • H. D. B. Mobasher, T. Luo, M. Nakagawa, "Effective personalization ...
  • Schwab, I., Kobsa, A., & Koychev, I. (2001). Learning user ...
  • L. G. T. Joseph A. K. Jonathan L. Herlocker, and ...
  • Sarwar, B., Karypis, G. Konstan, J., & Riedl, J. (2001, ...
  • نمایش کامل مراجع