یک سیستم پیشنهاددهنده برای کشف ارتباط زمانی مکان های مختلف

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 677

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BPJ01_483

تاریخ نمایه سازی: 29 دی 1392

چکیده مقاله:

سیستم های پیشنهاددهنده میتوانند به مدیران سایت های تجاری الکترونیک دربهبود عملکردسایت و افزایش فروش کمک نمایند کاوش استفاده وب که شاخه ای ازوب کاوی می باشد به استخراج علاقمندی های کاربران ازفایلهای سابقه سرویسدهنده می پردازند داده زمانی مانند فصل گرم یاسرد ویاروز هفته مانند روزکاری و غیرکاری و ترکیب آن باداده مکانی مانند کشوریاشهر میتواند برای بهبود پیشنهادات ارایه شده به کاربران مفید باشد همچنین درمواقعی که سایت به تازگی راه اندازی شده مشکل خلوت بودن ویاهنگامی که ازکاربرجدید اطلااعات کافی دردسترس نیست مشکل شروع سرد میتوان برای ارایه پیشنهادات دقیقتر به کاربران مورد استفاده قرارگیرد دراین مقاله یک الگوریتم منحصربفرد و جدید برای ترکیب این داده ها و ارایه پیشنهادات به کاربران ارایه شدهاست با استفاده ازاین الگوریتم علاوه بربهبود پیشنهادات ارایه شده به کاربران میتوان تاحدودی مشکلات ناشی ازخلوت بودن و شروع سرد راهم کاهش داد

کلیدواژه ها:

شخصی سازی وب ، وب کاوی ، کاوش استفاده وب ، سیستم های پیشنهاددهنده زمانی ، سیستم های پیشنهاد دهنده مکانی

نویسندگان

محمدجواد صیاد

دانشجوی کارشناسی ارشد

عین اله خنجری میانه

استادیاردانشگاه علم و صنعت

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 :
  • ] _ _ and ...
  • Brusilovsky, "Web usage Mining", chapter 12, pp.450-483, [3] _ "Web ...
  • Gediminas Adomavicius and Alexander Tuzhilin, "Context-Aware Recommender Systems, " in ...
  • G.Adomavicius and A.Tuzhilin, "Towards the Next Generation of Recommender Systems: ...
  • Umberto Panniello and Michele Gorgoglione, "Context-Awar Recommender Systems: A Comparison ...
  • P.G. Campos, F.Diez and I.Cantador, "Time-aware recommender systems: a comprehensive ...
  • Yi Ding and Xue Li, "Time weight collaborative filtering, " ...
  • Tong Queue Lee, Young Park, and Yong Tae Park, "A ...
  • Justin Levandoski, Mohamed Sarwat, Ahmed Eldawy and Mohamed Mokbel, "LARS: ...
  • System, " ICDE '12 Proceedings of the 2012 IEEE 28th ...
  • International Conference on Data Engineering, pp. 450-461, April 2012. ...
  • Xinyu Li, Zhongchun Mi, Zhongchun Zhang, and Jiani Wu, "A ...
  • Karol Waga, Andrei Tabarcea, and Pasi Frant, "Context aware _ ...
  • Matthias Braunhofer, Marius Kaminskas, and Francesc. Ricci, _ Location-awae music ...
  • Kyoung-jae Kim, Hyunchul Ahn, and Sangwon Jeong, "Context- aware Recommender ...
  • Carsten Stiller, Fred RoB, and Christoph Ament, "Integration of Spatial ...
  • Jonathan Herlocker, Joseph Konstan, Loren Terveen , and John Triedi, ...
  • _ _ and Matteo Matteucci, "An Evaluation Methodology for Collaborative ...
  • M.Deshpande and G.Karypis, "Item-Based Top-N Recommen- dation Algorithms", 2003. ...
  • Asela Gunawardana and Guy Shani, "A Survey of Accuracy Evaluation ...
  • Badrul Sarwar, George Karypis, Joseph Konstan, and John Riedl, _ ...
  • نمایش کامل مراجع