ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

A Graph Based Ranking Algorithm for Recommender Systems

تعداد صفحات: 13 | تعداد نمایش خلاصه: 80 | نظرات: 0
سال انتشار: 1398
کد COI مقاله: RSETCONF01_014
زبان مقاله: انگلیسی
(فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A Graph Based Ranking Algorithm for Recommender Systems

Zainabolhoda Heshmati - Faculty of New Sciences and Technologies, University of Tehran
Yasamin Sadat - Faculty of New Sciences and Technologies, University of Tehran

چکیده مقاله:

Recommender systems are an emerging technology that helps consumers to find interesting products. A recommender system makes personalized product suggestions by extracting knowledge from the previous users’ interactions and ratings on products. Such services are particularly useful in the modern electronic marketplace which offers an unprecedented range of products which makes it impossible for any user to explore all of them before making decisions and increases the importance of these systems as a forecasting device. However, a recommendation system normally requires comprehensive data relating users and products. Insufficiently comprehensive data creates difficulties for creating good recommendations. One approach to solve this problem is to use random walk with restart (RWR), which significantly reduces the quantity of data required and has been shown to outperform collaborative filtering which is the competitor approach in the field of recommendation systems. This study explores how to increase the accuracy of the Random Walk approach in a recommendation system graph model by changing the rating mechanism. In our approach we replace the conventional rating systems with a new system which is capable of detecting negative opinions as well as positive ones and gathering both like/unlike opinions in the process of rating by users. After that we design a scoring algorithm, which can be used to rank products according to expected user preferences, in order to recommend top–rank items to potentially interested users. We tested our algorithm on a standard database, the MovieLens data set, which contains data collected from a popular recommender system on movies, and we compared our algorithm with other popular ranking techniques. The result shows that our approach provides better recommendations with less memory and time complexities.

کلیدواژه ها:

Recommendation System; Ranking; Random Walk on Graphs;

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1006465/

کد COI مقاله: RSETCONF01_014

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Heshmati, Zainabolhoda و Sadat, Yasamin,1398,A Graph Based Ranking Algorithm for Recommender Systems,اولین کنفرانس بین المللی تحقیقات پیشرفته در علوم، مهندسی و فناوری,تهران,,,https://civilica.com/doc/1006465

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Heshmati, Zainabolhoda؛ Yasamin Sadat)
برای بار دوم به بعد: (1398, Heshmati؛ Sadat)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله

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

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 55,951
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی