خوشه بندی به وسیله ماشین یادگیری افراطی در فرآیند سیستم های توصیه گر
محل انتشار: سومین کنفرانس ملی مهندسی برق و کامپیوتر
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 510
فایل این مقاله در 16 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:
ISCELEC03_054
تاریخ نمایه سازی: 14 فروردین 1399
چکیده مقاله:
با افزایش استفاده از تجارت الکترونیک، استفاده از سیستم های توصیه گر نیاز اساسی وب سایت های ارائه دهنده خدمات به مردم می باشند. یکی از مهم ترین بخش های هر وب سایت ارائه محصولی به یک مشتری است. که دو مزیت دارد، در درجه اول می تواند مسیر رسیدن یک مشتری به محصول موردنظر را تسریع ببخشد و در درجه دوم می تواند محصولی را به کاربر پیشنهاد کند که شاید موردنیاز کاربر بوده باشد اما کاربر به آن فکر نکرده باشد. در نتیجه می توان از سیستم های توصیه گر به عنوان سیستمی جهت بازاریابی و سوددهی نیز نگاه کرد یکی از جدیدترین روش های خوشه بندی که در مباحث یادگیری ماشین و داده کاوی مورد بررسی قرار می گیرد، الگوریتم ماشین یادگیری افراطی است. در این مقاله تلاش شده است برای اولین بار در سیستم فیلتر همکارانه در سیستم های توصیه گر با استفاده از الگوریتم خوشه بندی ماشین یادگیری افراطی،به عنوان یکی از مهم ترین روش های حل مشکل خلوت بودن داده ها، بر روی سیستم های توصیه گر صورت پذیرد تا به میزان صحت و دقت دقیق تری نسبت به الگوریتم های که از پیش تر در زمینه سیستم های توصیه گر کار شده است برسیم. یافته های این مقاله حاکی از ان می باشد که الگوریتم پیشنهادی دارای صحت دقت و بازخوانی بالاتری نسبت به الگوریتم های پیشین بوده و این مقاله توانسته است تا چالش پیشنهاد صحیح به کاربر را تا حد زیادی بهبود ببخشد.
کلیدواژه ها:
نویسندگان
جواد موسوی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشکده فنی و مهندسی دانشگاه شمال آمل
حمیدرضا کوهی
عضو هیئت علمی گروه مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه شمال امل