روشی نوین برای ارتقای دقت سیستم های توصیه گر آگاه از اعتماد
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 766
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICTCK03_095
Index date: 1 July 2017
روشی نوین برای ارتقای دقت سیستم های توصیه گر آگاه از اعتماد abstract
در سال های اخیر، روش های مبتنی بر پالایش گروهی (CF) برای سیستم های توصیه گر به صورتی گسترده مورد پذیرش قرار گرفته اند. یکی از این روش ها، مبتنی بر کاربر بوده که توصیه های کارآمدی را بر مبنای شباهت و از طریق رتبه بندی 2 کاربران با نظراتی مشابه، ایجاد میکند. اما این سیستمها دارای چند نقص ذاتی همانند مشکلات مربوط به پراکندگی 3 داده ها و شروع سرد 4 می باشند. با توسعه شبکه های اجتماعی، مقیاس اعتماد 5 به عنوان رویکردی جدید برای غلبه بر مشکلات پالایش گروهی ارایه شده است. سیستم های توصیه گر 6 آگاه از نظر اعتماد، روش هایی برای استفاده از گزارشهای اعتماد و داده های شخصی کاربر در شبکه های اجتماعی برای ارتقای دقت پیشبینی رتبه بندی برای کاربران با شروع سرد میباشند. همچنین، سیستم های توصیه گر مبتنی بر خوشه بندی 7، نوعی دیگر از سیستم ها برای به کارگیری کارآمد و قابل مقیاس بندی برای مجموعه داده های بزرگ می باشند، اما این سیستم ها نیز از دقت و پوشش نسبتا پایین رنج میبرند. بر این اساس در این مقاله برای مد نظر قرار دادن این مشکلات، ما یک خوشه بندی چند منظری را بر مبنای فاصله اقلیدسی 8 برای ترکیب هر دو مورد دیدگاه مربوط به شباهت و روابط اعتماد ارایه نموده که در بردارنده اعتمادهای صریح و ضمنی میباشد. نتایج آزمایش نشان میدهند که رویکرد ما میتواند به صورتی کارآمد دقت 9 و به صورتی ویژه، پوشش 10 توصیه ها را ارتقا داده و مشکل شروعسرد را کاهش دهد.
روشی نوین برای ارتقای دقت سیستم های توصیه گر آگاه از اعتماد Keywords:
روشی نوین برای ارتقای دقت سیستم های توصیه گر آگاه از اعتماد authors
ایمان نعیمی
علوم و تحقیقات خراسان رضوی(نیشابور)
حسن شاکری
دانشگاه آزاد اسلامی واحد مشهد
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 :