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

  • سال انتشار: 1393
  • محل انتشار: همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات
  • کد COI اختصاصی: CSITM01_499
  • زبان مقاله: فارسی
  • تعداد مشاهده: 4586
دانلود فایل این مقاله

نویسندگان

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

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

سیستم های توصیه گر ، فیلترینگ همکار ، شروع سرد ، کاربران مجازی، یادگیری مدل ، سیستم شروع سرد، پیش پردازش داده

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.