ارائه یک مدل ترکیبی در سیستم های توصیه گربه منظور بهبود مشکل شروع سرد آیتم ها
- سال انتشار: 1399
- محل انتشار: هفتمین کنگره ملی تازه یافته های مهندسی برق ایران
- کد COI اختصاصی: COMCONF07_003
- زبان مقاله: فارسی
- تعداد مشاهده: 789
نویسندگان
کارشناسی ارشد مهندسی فناوری اطلاعات موسسه آموزش عالی ادیبان
دکتری تخصصی مهندسی کامپیوتر موسسه آموزش عالی ادیبان
چکیده
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
سیستم های توصیه گر، شروع سرد، یادگیری عمیق، پالایش مشارکتی، شبکه خودرمزگذارنویززدا، پویای زمانیمقالات مرتبط جدید
- ارزیابی اقتصادی و زیست محیطی سناریوهای ترکیب انرژی تجدیدپذیر در برنامه ریزی تولید برق ایران تا افق ۱۴۱۰
- بررسی فناوریها و استراتژیها برای بهینه سازی مصرف انرژی و افزایش کارایی در شبکه های توزیع
- فناوری اطلاعات و ارتباطات سبز
- Hoo Controller Design for a Quadruple-Tank Multivariable System: Robust Performance via Weighted Sensitivity Shaping
- تاثیر حیاتی همبستگیهای آماری ضعیف بادبار بر قابلیت اطمینان سیستمهای قدرت: دیدگاهی فراتر از مدلهای سنتی
اطلاعات بیشتر در مورد 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.