Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

ارائه یک مدل ترکیبی در سیستم های توصیه گربه منظور بهبود مشکل شروع سرد آیتم ها

هفتمین کنگره ملی تازه یافته های مهندسی برق ایران
سال انتشار: 1399
کد COI مقاله: COMCONF07_003
زبان مقاله: فارسیمشاهده این مقاله: 304
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

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 به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه یک مدل ترکیبی در سیستم های توصیه گربه منظور بهبود مشکل شروع سرد آیتم ها

سعید ساریخانی - کارشناسی ارشد مهندسی فناوری اطلاعات موسسه آموزش عالی ادیبان
محمدرضا عباسی فرد - دکتری تخصصی مهندسی کامپیوتر موسسه آموزش عالی ادیبان

چکیده مقاله:

در دنیای امروز خرید از طریق اینترنت در حال تبدیل شدن به یکی از امور روزمرهی مردم می باشد. از طرفی حجم فزایندهی اطلاعات در مورد اقلام و خدمات در فضای مجازی باعث سردرگمی روزافزون خریداران اینترنتی خواهد شد. هر فرد براساس ویژگی های فردی، اجتماعی، محیطی و ... دارای یک سری نیازهای مختص به خود می باشد که با شناختن این ویژگی ها می توان پیشنهادهای شخصی شدهی مناسبی را به وی ارائه نمود. برای تحقق این امر از سیستم های توصیه گر استفاده می شود. در این سیستم ها یکی از مشکلات اساسی شروع سرد می باشد. این مشکل زمانی رخ می دهد که یک کاربر یا آیتم جدید وارد سیستم می شود و به آیتم و کاربر جدید به دلیل عدم امتیازدهی و دریافت امتیاز به ترتیب کالا و کاربر معرفی نخواهد شد. شروع سرد به شروع سرد ناقص و کامل تقسیم می گردد که در شروع سرد ناقص درصد پراکندگی ماتریس رتبه بندی حدود 85 درصد به بالا و در شروع سرد کامل حدود 100 درصد می باشد. با توجه به مشکل مطروحه ما در این مقاله مدلی را طراحی نمودیم که از ترکیب روش پالایش مشارکتی مبتنی بر پویای زمانی و شبکه های یادگیری عمیق به منظور بهبود مشکل شروع سرد ایتم ها بدست می آید با توجه به نتایج بدست آمده از روش پیشنهادی، با ترکیب روش های مذکور نسبت به سیستم های توصیهگر موجود هم باعث دقیق تر شدن پیش بینی ها شده و باعث بهبود در شروع سرد آیتم ها گردیده است.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا COMCONF07_003 میباشد و 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/1037648/

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:
ساریخانی، سعید و عباسی فرد، محمدرضا،1399،ارائه یک مدل ترکیبی در سیستم های توصیه گربه منظور بهبود مشکل شروع سرد آیتم ها،هفتمین کنگره ملی تازه یافته های مهندسی برق ایران،تهران،https://civilica.com/doc/1037648

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: (1399، ساریخانی، سعید؛ محمدرضا عباسی فرد)
برای بار دوم به بعد: (1399، ساریخانی؛ عباسی فرد)
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 | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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: موسسه غیرانتفاعی
تعداد مقالات: 225
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 پیشنهادی مرتبط

مقالات مرتبط جدید

طرح های پژوهشی 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