ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

استفاده از اطلاعات برچسب با مدل حافظه ی کوتاه مدت طولانی برای بهبود عملکرد سیستمهای توصیه گر فیلم به کاربران

Year: 1398
COI: IRANWEB05_032
Language: PersianView: 352
This Paper With 8 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

معصومه قربانی - دانشآموخته ی کارشناسی ارشد مهندسی فناوری اطلاعات، آزمایشگاه پژوهشی یادگیری عمیق،گروه مهندسی کامپیوتر، دانشکدهی مهندسی، پردیس فارابی، دانشگاه تهران
کاظم فولادی قلعه - استادیار، آزمایشگاه پژوهشی یادگیری عمیق،گروه مهندسی کامپیوتر، دانشکدهی مهندسی، پردیس فارابی، دانشگاه تهران
امیرحسین کیهانی پور - استادیار، آزمایشگاه پژوهشی یادگیری عمیق،گروه مهندسی کامپیوتر، دانشکدهی مهندسی، پردیس فارابی، دانشگاه تهران

Abstract:

یک سیستم توصیه گر با ارائه ی پیشنهاد به کاربر کمک می کند تا در میان حجم عظیم اطلاعات سریع تر به هدف خود نزدیک شود. در سیستم های توصیه گر تلاش می شود که با حدس زدن شیوهی تفکر کاربر از طریق اطلاعاتی که از نحوه ی رفتار او با کاربران مشابه آنها وجود دارد، مناسب ترین و نزدیک ترین مورد به سلیقه ی کاربر شناسایی و پیشنهاد شود. در سال های اخیر استفاده از اطلاعات کمکی، در کنار ماتریس امتیازات برای به دست آوردن ویژگی های نهان کاربران و آیتم ها مورد توجه قرار گرفته است. از طرف دیگر مدل های یادگیری عمیق توانایی بالایی در یادگیری بازنمایی مناسب ویژگی ها، به خصوص در مواقعی که با داده های انبوه خام سروکار داریم، از خود نشان داده اند. در این مقاله، با بهره گیری از اطلاعات برچسب گذاری انجام شده توسط کاربران، یک مدل برای سیستم توصیه گر با استفاده از شبکه ی حافظه ی کوتاه مدت طولانی ارائه شده است. با توجه به اینکه برچسب ها اطلاعات کمکی را برای بازتاب ترجیحات کاربران و آیتم ها فراهم می کند کارایی سیستم های توصیه گر بهبود پیدا کرده است. نتایج تجربی حاصل از انجام آزمایش ها روی مجموعه داده ی واقعی MovieLens - 20M برای معیار میانگین مجذور مربعات خطا مقدار 0 / 89 و برای معیار میانگین قدر مطلق خطا مقدار 0 / 18 را نشان می دهد که بیانگر بهبود خوبی نسبت به سایر روش ها است.

Keywords:

Paper COI Code

This Paper COI Code is IRANWEB05_032. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/884002/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
قربانی، معصومه و فولادی قلعه، کاظم و کیهانی پور، امیرحسین،1398،استفاده از اطلاعات برچسب با مدل حافظه ی کوتاه مدت طولانی برای بهبود عملکرد سیستمهای توصیه گر فیلم به کاربران،Fifth International Conference on Web Research،Tehran،https://civilica.com/doc/884002

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 70,065
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

مقالات پیشنهادی مرتبط

New Papers

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support