یک روش جدید جهت پیشنهاد اهداف علمی با کمک الگوریتم DBLP

اینترنت در حال گسترش و توسعه است و این روند منجر به تولید حجم وسیعی از مستندات متصل به یکدیگر گشته است که از هیچ گونه سازماندهی منطقی برخوردار نیستند و کاربران از همپوشانی داده ها رنج می برند. برای حل این مشکل ، شخصی سازی صفحات وب به یک پدیده محبوب به منظور سفارشی کردن محیط وب تبدیل شده است . بر اساس این تکنولوژی سرویس های مورد نیاز کاربران بر اساس علایق و ویژگی های کاربران (بدون آنکه کاربران آنها را به طور صریح بیان کنند ) شخصیسازی می شوند. هدف سیستم های پیشنهاد دهنده هدایت کاربران به سمت صفحات و یا من ابعی است که به بهترین وجه نیازها و علایق آنها را برآورده سازد. در این مقاله ، لیست مقالات محقق در پایگاه داده DBLP استخراج گردید سپس از این لیست برای ایجاد مدل محقق استف اده شد. بر اساس مدل استخراج شده ، مقالات مرتبط با محقق از پایگاه داده مربوطه (مورد نظر کاربر) به محقق پیشنهاد می شود. نتایج شبیه - سازی روش پیشنهادی روی داده های واقعی نشان دهنده بهبود معیار دقت و پوشش در تعداد مقالات پیشنهادی می باشد.

کلیدواژه ها:

پایگاه داده DBLP ، سیستم های پیشنهاد دهنده ، سیستم های کاربرگرا ، شخصیسازی