ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

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

مقابله با مشکل شروع سرد کاربران جدیدالورود در شبکه های اجتماعی با استفاده ازمدل طبقه بندی افراد

سال انتشار: 1400
کد COI مقاله: ICMT02_060
زبان مقاله: فارسیمشاهده این مقاله: 53
فایل این مقاله در 22 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 22 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقابله با مشکل شروع سرد کاربران جدیدالورود در شبکه های اجتماعی با استفاده ازمدل طبقه بندی افراد

کیمیا سکاکی - دانش آموخته کارشناسی ارشد مدیریت فناوری اطلاعات دانشگاه علامه طباطبائی، تهران، ایران
ایمان رئیسی وانانی - عضو هیئت علمی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی، تهران، ایران
سیدسروش قاضی نوری - عضو هیئت علمی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی، تهران، ایران

چکیده مقاله:

سیستمهای توصیه گر در زمینه های مختلفی از جمله فیلم، شبکه های اجتماعی و غیره مورد استفاده قرار میگیرند. هدف سیستمهای توصیه گر ارائه پیشنهادات جذاب به کاربران با توجه به عملکردشان در سیستم است. محبوبترین سیستم های پیشنهاد دهنده مدلهای محتوا محور و روشهای فیلترگذاری مشارکتی است. یکی از بزرگترین چالش های روشهای فیلترگذاری مشارکتی شروع سرد میباشد. مشکل شروع سرد زمانی بوجود می آید که اطلاعات کافی در مورد عملکرد کاربر جدید و یا آیتم جدید در سیستم وجود ندارد. سیستم های توصیه گر با توجه به محیط عملیاتی مورد نظر، از تکنیکهای مختلف وابسته به محیط استفاده می کنند. در این تحقیق برای شناسایی مدل با دقت بالا از نرم افزار پایتون با الگوریتم های طبقه بندی مختلف استفاده شده است. مدل پیشنهاد شده در این مقاله بر اساس سیستم توصیهگر مبتنی بر اطلاعات کاربر میباشد. نتایج این تحقیق نشان میدهد، طبقه بندی دادهها در الگوریتم یادگیری عمیق با دقت بالاتری نسبت به بقیه الگوریتم ها انجام میشود

کلیدواژه ها:

سیستم توصیه گر، یادگیری عمیق، شروع سرد، شبکه های اجتماعی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICMT02_060 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/1229114/

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:
سکاکی، کیمیا و رئیسی وانانی، ایمان و قاضی نوری، سیدسروش،1400،مقابله با مشکل شروع سرد کاربران جدیدالورود در شبکه های اجتماعی با استفاده ازمدل طبقه بندی افراد،دومین کنفرانس بین المللی مدیریت، گردشگری و تکنولوژی،،،https://civilica.com/doc/1229114

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: (1400، سکاکی، کیمیا؛ ایمان رئیسی وانانی و سیدسروش قاضی نوری)
برای بار دوم به بعد: (1400، سکاکی؛ رئیسی وانانی و قاضی نوری)
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

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: 15,871
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