توصیه گر خبری شخصی در روزنامه های برخط فارسی زبان
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 752
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT07_159
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
جستوجوی مقاله های خبری قابل دسترس، برای انتخاب مقاله هایی که مورد علاقه کاربر است، بصورت یک چالش خود را نشان داده است. هدف سیستم های توصیه گر، پی بردن به زمینه ی مطالعه ای کاربر و پیشنهاد مناسب ترین مقالات خبری است. سیستم توصیه گر شخصی پیشنهادی در این مقاله مبتنی بر مقالات خبری فارسی بوده و براساس روش مبتنی برمحتوا عمل می نماید. در سیستم پیشنهادی برای تشخیص دسته ی خبری موردعلاقه ی کاربر در یک فضای برداری، روش متفاوتی ارائه شده است که نشان می دهد که چگونه مقالات خبری در زمینه ی مورد علاقه ی کاربر توصیه می گردند. یادگیری و همچنین ارزیابی سیستم پیشنهادی توسط مجموعه مقاله های خبری فارسی پرسیکا انجام خواهد شد. با بکارگیری روش پیشنهادی برروی مجموعه تست، نشان می دهد که روش پیشنهادی تا حد زیادی در اکثر دسته های خبری برای تشخیص زمینه ی مورد علاقه ی کاربر در معیارهای f-measure، recall، precision می باشد.
کلیدواژه ها:
نویسندگان
طاهره فرجی
کارشناس ارشد مهندسی نرم افزار، موسسه آموزش عالی صفاهان، اصفهان
مهران رضایی
عضو هیئت علمی دانشکده مهندسی کامپیوتر دانشگاه اصفهان.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :