بهینه سازی سیستم های پیشنهادگر ترکیبی مقاله های پژوهشی در محیط چند زبانه
Publish place: دومین کنفرانس ملی رویکردهای نو در مهندسی برق و کامپیوتر
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 502
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NAECE02_130
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
امروزه گسترش و رشد روز افزون اطلاعات در فضای مجازی و با افزایش حجم متون پژوهشی در سال های اخیر کاربران را با این مشکل مواجه نموده است که چگونه مقاله پژوهشی مورد نظر خود را به راحتی و با صرف کمترین زمان ممکن بیابند.در این میان سیستم های پیشنهادگر با هدف تسهیل و یاری رساندن به کاربران در زمینه انتخاب و یافتن مقاله پژوهشی مورد نیاز ایشان با استفاده از روشهای مبتنی بر داده کاوی متنی، ایجاد و توسعه یافته اند. سیستم های پیشنهاد گر رویکردی است که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارایه شده است و به کاربران خود کمک میکند تا در میان حجم عظیم اطلاعات سریعتر به هدف خود نزدیک شوند وتوانایی تحلیل رفتارهای گذشته و ارایه توصیه هایی برای مسایل جاری را دارا هستند. سیستم های پیشنهادگر شامل سیستم های مبتنی بر متن، مبتنی بر پالایش جمعی و مبتنی بر دانش می باشد. سیستم های پیشنهادگر ترکیبی از مجموعه ای از روش های ذکر شده برای افزایش دقت خروجی استفاده می نمایند.بنابراین سیستم های پیشنهادگر مقاله های پزوهشی کاربرد فراوانی در محیط های آموزشی و تحقیقاتی پیدا نموده اند.در این مقاله یک سیستم پیشنهادگر ترکیبی برای پیشنهاد مقاله های پژوهشی در محیط چند زبانه فارسی – انگلیسی طراحی و پیاده سازی شده است.سیستم پیشنهادگر ارایه شده ابتدا با استفاده از پیداکردن مطالب مرتبط با یک مقاله و تعیین کاربران هم فکر و هم نظر به ارایه پیشنهاد به کاربران می پردازد.نتایج شبیه سازی نشان می دهد که سیستم ارایه شده توانسته است با دقت بالا یک سیستم توصیه گر چند زبانه را ارایه نمایید.
Keywords:
Authors
زاهد منصوری
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه خاتم، ایران، تهران
بابک مجیدی
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه خاتم، ایران، تهران
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 :