گونه شناسی شخصی سازی در سیستم های توصیه کننده
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 137
فایل این مقاله در 21 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:
JR_IMOS-3-1_002
تاریخ نمایه سازی: 7 تیر 1401
چکیده مقاله:
هدف: توسعه و پیشرفت علم و فن آوری، روزانه موجب ایجاد حجم زیادی از دادههای ساخت یافته، نیمه ساختاریافته و بدون ساختار با سرعتی بسیار سریع از منابع مختلف گردیده که منجر به اشتراک گذاشتن الگوهای مشترک بسیاری شده به نحوی که میتوان با استفاده از سیستم های توصیه کننده که بر اساس نیازهای کاربران طراحی شده با فیلتر و تجزیه وتحلیل این دادههایشان، توصیههایی مربوط به محصول، کالا یا خدمات مورد علاقه آن ها ارائه داد. یکی از مسائل مهم در سیستم های توصیه کننده ارائه توصیه های شخصی سازی شده متناسب با روحیات کاربران است.روش شناسی پژوهش: در این پژوهش با رویکرد نگاشت دانش با استفاده از کتابخانه bibliometrix در نرم افزار R به مرور کلیه پژوهش های انجام شده در خصوص کاربرد سیستمهای توصیه کننده در شخصیسازی پرداخته میشود.یافته ها: در این پژوهش با استفاده از روش نگاشت دانش ضمن تعریف سیستمهای توصیه کننده و انواع آن، به معرفی نمای کلی از حیطه شخصیسازی پرداخته و انواع مختلف شخصیسازی ارائه میشود. همچنین در مورد روند شخصیسازی بحث نموده و در خصوص سیستمهای توصیه کننده به عنوان بخش جدایی ناپذیر از این فرایند نیز توضیحاتی مطرح شده است. در ادامه چالشهایی که برای پیادهسازی سیستمهای توصیه کننده وجود دارد ارائه شده است و نهایتا حوزههایی که بحث شخصیسازی سیستمهای توصیه کننده میتواند در آن مطرح شود، ارائه میشود.اصالت/ارزش افزوده علمی: نتایج این پژوهش با مروری جامع بر کلیه پژوهش های این حوزه می تواند به عنوان جعبه ابزاری در جهت کاربرد سیستمهای توصیه کننده در شخصیسازی محققان را در ایده پردازی و انتخاب روش مناسب در طبقه بندی و تحلیل داده ها یاری دهد.
کلیدواژه ها:
نویسندگان
مرضیه نوراحمدی
گروه مهندسی مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران.
حجت الله صادقی
گروه مالی و حسابداری، دانشکده مدیریت و اقتصاد، دانشگاه یزد، یزد، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :