ارزیابی و دسته بندی روش ها ی ایجاد سیستم های پیشنهاد دهنده شخصی سازی شده

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,109

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE04_361

تاریخ نمایه سازی: 6 مهر 1391

چکیده مقاله:

امروزه علاقه مندی بسیاری به حوزه ی سیستم های پیشنهاد دهنده در سازمان ها و محافل علمی وجود دارد. این سیستم ها در حوزه های کاربردی مختلف جهت حمایت از کاربران در تصمیم گیری، کمک به آن ها در مدریت حجم انبوه اطلاعات و فراهم کردن شکل هوشمندی از دسترسی به اطلاعات قابل استفاده هستند. اما به دلیل نوظهور بودن این مسئله، کمبود دسته بندی مشخص در رابطه با روش های پیاده سازی سیستم های پیشنهاد دهنده در منابع پژوهشی احساس می شود. در همین راستا در این مقاله قصد داریم به تعریف و بررسی ایده ها و مفاهیم پایه ای سیستم های پیشنهاد دهنده، ارائه ی دسته بندی جامعی از روش های تولید پیشنهاد، بررسی هر یک از این روش ها و همچنین نقاط قوت و ضعت روش ها بپردازیم.

کلیدواژه ها:

سیستم های پیشنهاد دهنده ، پالایش مشارکتی ، پالایش محتوایی ، پالایش مبتنی بر داده های شخصی ، پالایش مبتنی بر دانش

نویسندگان

راضیه قیاسی

دانشجوی فناوری اطلاعات دانشگاه قم

سیدحسن هانی زواره ای

بخش فناوری اطلاعات دانشگاه قم

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 :
  • Adomavicius E., Tuzhilin A., "Toward the next generation of recommend ...
  • Albadvi A., M. Shahbazi. "A hybrid _ _ ommendation technique ...
  • Bobadilla J., Ortega F., Hernando A., Bernal J. _ collaborativ ...
  • Burke R., "Hybrid R ecommender Systems: Survey and Experiments". User ...
  • Deshpande, M., Karypis, G. "Item-based top-N _ _ ommendation algorithms". ...
  • Desrosier C., Karypis G., _ comprehensive srvey of neighb orhood-based ...
  • Drachsler H., Hummel H. G.K. and Koper R., "Personal recommender ...
  • Felfernig A., Burke R., _ _ onstraint- based Recommender Systems: ...
  • Felfernig A., Friedrich G., Jannach D. and Zanker M. _ ...
  • http :/fa.wikipedia. org ...
  • Jannach D., Zanker M., Felfernig A., Friedrich G., _ _ ...
  • Jiang Y., Shang J., Liu Y., "Maximizing customer satisfaction through ...
  • Lee Y.L., Huang F.H., _ comnender system architecture for adaptive ...
  • Liang T.P., Yang Y.F., Chen D.N., Ku. Y.C. "A semantice ...
  • Linden, G., Smith, B., York, J. ...
  • recommeI dations : Item-to-item collaborative filtering". IEEE Internet Computing, 7, ...
  • Mart Inez L, Barranco M.J. PErez L.G., Espinilla M., _ ...
  • Ricci F., Rokach L. and Shapira B., (2011), "Introduction to ...
  • Riedl J., Jameson A., Konstan J., _ Techniques for Personalized ...
  • Sarwar, B., Karypis, G., Konstan, J., Reidl, J. "Item-based collaborative ...
  • Tow1 B., Quinn C., :Knowledge Based Recommender Systems Using Explicit ...
  • Wei C.P., M.J, Shaw, R.F. Easley, _ survey of recommen ...
  • Yu, Yu, Philip S. "Data mining and p ersonalization technologies". ...
  • نمایش کامل مراجع