ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

حل مشکل شروع سرد در سیستم های توصیه گر با استفاده از کاربران مجازی و روش یادگیری مدل

سال انتشار: 1393
کد COI مقاله: CSITM01_499
زبان مقاله: فارسیمشاهده این مقاله: 3,118
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله حل مشکل شروع سرد در سیستم های توصیه گر با استفاده از کاربران مجازی و روش یادگیری مدل

الیار مهدی زاده اقدم - کارشناس ارشد مهندسی فناوری اطلاعات (گرایش شبکه های کامپیوتری)، دانشگاه گیلان
سامان طهوری - کارشناس ارشد مهندسی فناوری اطلاعات (گرایش شبکه های کامپیوتری)، دانشگاه گیلان

چکیده مقاله:

یک سیستم توصیه گر از ابزارهای الگوریتمی برای کار با داده در دسترس مربوط به علایق کاربر برای پیشنهاد موردهای موردعلاقه استفاده می کند. الگوریتم های مربوط به فیلترینگ همکار در بین موثرترین الگوریتم های توصیه قرار دارند چون مقدارزیادی از داده مربوط به علایق در مورد یک کاربر خاص و جامعه مربوط به او گردآوری می شود. موارد جدید و کاربران جدید کهرفتار آنها ناشناخته است به طور پیوسته به سیستم توصیه گر افزوده می شوند. در نتیجه توصیه ها ممکن است از مشکل شروعسرد معروف تاثیر منفی بگیرند. در این مقاله ما به بررسی مشکل شروع سرد می پردازیم و برای حل این مشکل راه حل هایی ارائهمی دهیم. از جمله این راه حل ها استفاده از ربات ها یا کاربران مجازی است که به سیستم وارد می کنیم. یک ربات می تواند بهصورت یک کاربر یا مورد مصنوعی تولید شود. همچنین در ادامه به بررسی روش دیگری برای حل مشکل شروع سرد می پردازیمکه از روش یادگیری مدل استفاده می کند و از سه مرحله پیش پردازش داده و یادگیری مدل و مرحله توصیه تشکیل شده است.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CSITM01_499 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/283040/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مهدی زاده اقدم، الیار و طهوری، سامان،1393،حل مشکل شروع سرد در سیستم های توصیه گر با استفاده از کاربران مجازی و روش یادگیری مدل،همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات،تهران،https://civilica.com/doc/283040

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1393، مهدی زاده اقدم، الیار؛ سامان طهوری)
برای بار دوم به بعد: (1393، مهدی زاده اقدم؛ طهوری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • D. Agarwal and B.-C. Chen (2009) _ _ Regres sion-based ...
  • J. Basilico and T. Hofmann (2004); Unifying collaborative and content-based ...
  • Basu, C., H. Hirsh, and W. Cohen (1998); Re commendation ...
  • C. Boutilier, R. Zemel, and B. Marlin (2003);" Active collaborative ...
  • Burke, R.(2002);" Hybrid recommender systems: Survey and experiments", User Modeling ...
  • Breese, J.S., D. Heckerman, and C. Kadie(1998);" Empirical analysis of ...
  • Claypool, M., et al(1999);" Combining content-based and collaborative filters in ...
  • Cohen, W.W., R.E. Schapire, and Y. Singer(2011);" Learning to order ...
  • Das, A.S., Datar, M., Garg, A., Rajaram, S.(2007);" Google news ...
  • Freund, Y., et al.(2003);" An efficient boosting algorithm for combining ...
  • N. Golbandi, Y. Koren, and R. Lempel(20 10);" On bootstrapping ...
  • K. Goldberg, T. Roeder, D. Gupta, and C. Perkins(200 _ ...
  • N. Good, J. B. Schafer, J. _ Konstan, A. Borchers, ...
  • A. Gunawardana and C. Meek(2008); Tied boltzmann machines for cold ...
  • A. Harpale and Y. Yang(2008);" Personalized active learning for collaborative ...
  • Herlocker, J., Konstan, J.A., Riedl, J.(2002);" An empirical analysis of ...
  • Herlocker, J.L., et al (1999); An algorithmic framework for performing ...
  • Hofmann, T. and J. Puzicha(1999);" Latent class models for collaborative ...
  • R. Jin and L. Si(2004);" A Bayesian approach toward active ...
  • J. A. Konstan, B. N. Miller, D. Maltz, J. L. ...
  • M. R. McLaughlin and J. l. Herlocker(2 004);" A collaborative ...
  • Nakamura, A. and N. Abe(1998); Collaborative Filtering Using Weighted Majority ...
  • S.-T. Park and W. Chu(2009);" Pairwise preference regression for cold-start ...
  • Pennock, D.M., E. Horvitz, and C.L. Giles(2000);" Social choice theory ...
  • D. Pennock, E. Horvitz, S. Lawrence, and C. Giles(2000); Collaborative ...
  • Popescul, A., D.M. Pennock, and S. Lawrence(200 1); Probabilistic models ...
  • P. Pu and L. Chen(2009);" User-involved preference elicitation for product ...
  • A. M. Rashid, G. Karypis, and J. Riedl(2008);" Learning Preferences ...
  • A. Rashid, I. Albert, D. Cosley, S. Lam, S. McNee, ...
  • P. Resnick, N. Iacovou, M. Suchak, P. Bergstorm, and J. ...
  • Sarwar, B., et al.(2000);" Application of dimensionality reduction in recommender ...
  • Sarwar, B., et al(2001);" Item-based collaborative filtering rec ommendation algorithms, ...
  • Schein, A.I., et al(2001); Generative models for cold-start rec ommendations ...
  • A. I. Schein, A. Popescul, L. H. Ungar, and D. ...
  • Shani, G., Gunawardana, A(201 1);Evaluating rec ommendation systems", In: Ricci, ...
  • D. Stern, R. Herbrich, and T. Graepel(2009) _ Matchbox: large ...
  • Ungar, L.H. and D.P. Foster(1998);" Clustering methods for collaborative filtering", ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    نظرات خوانندگان

    5.00
    1 تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 13,541
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی