تاثیر استفاده از داده های محتوا بر عملکرد سیستم های پیشنهاد دهنده در صفحات وب

سال انتشار: 1391
محل انتشار: اولین کنفرانس ملی مهندسی صنایع و سیستم ها
کد COI اختصاصی: NIESC01_092
زبان مقاله: فارسی
تعداد مشاهده: 1046

نویسندگان

گروه آمار

چکیده

درفضای غنی ازاطلاعات وب سیستم های پیشنهاددهنده سعی درتشخیص و مدل بندی علایق کاربر و هدایت او بسوی ایتم های مناسب دارند اکثرسیستم های پیشنهاددهنده با بهره گیری ازتکنیکهای اماری و با استفاده ازروشهای داده کاوی برروی فایل های ثبت شده عمل نموده و با استخراج الگوهای رفتاری کاربران به ارایه پیشنهاد اقدام می کنند پیشگویی نرخ کلیک روی آیتم ها و یا رتبه هایی که کاربران به ایتم ها می دهند ازوظایف مهم سیستم های پیشنهاد دهند است ازطریق مدلهای اماری میتوان به این مهم دست یافت یکی ازشیوه هایی که اخیرا مورد توجه قرارگرفته است مدلهای اثرات تصادفی دوخطی است که با استفاده ازاثرات تصادفی به پیشگویی رتبه ها می پردازد دراین مقاله می خواهیم تاثیر استفاده ازداده های محتوا برپیشگویی رتبه و نرخ کلیک روی آیتم ها را بررسی کنیم بدین منظور ابتدا مدل Regression-based Latent Factor Model( RLFM ارایه شده توسط اگاروال 2009 را معرفی می کنیم دراین مدل فقط ازویژگیهای کاربر ایتم و فعالیت های قبلی کاربر و همچنین اثرات پنهان کاربر و ایتم استفاده میشود سپس به توصیف مدل Bias-smoothed Tensor Model( BST ارایه شده توسط چن 2011 می پردازیم که هدف آن براورد رتبه کاربر درمجموعه ای ازکامنت هاست دراین مدل علاوه برویژگیهای کاربر ایتم فعالیت های قبلی کاربر و اثرات پنهان کاربر و ایتم ازاطلاعات اضافی چون داده های محتوی و ساختارصفحات وب استفاده میشود.

کلیدواژه ها

سیستم پیشنهاد دهنده، پالایش گروهی، اثرات تصادفی، BST ،RLFM

مقالات مرتبط جدید

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.