حل مشکل شروع سرد سیستم های پیشنهاد دهنده در سیستم های برچسب زن اجتماعی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,453

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CCITC01_042

تاریخ نمایه سازی: 27 آبان 1393

چکیده مقاله:

سیستم های برچسب زن اجتماعی پیوسته در حال متداول شدن می باشند. این سیستم ها به کاربران اجازه می دهند تا منابع خود را آزادانه سازمان دهی نمایند. افزایش این سیستم ها نجر به افزایش حجم داده شده و فراهم کردن اطلاعات مناسب از بین این حجم وسیع داده، مدنظر محققین بوده است. سیستم های پیشنهاد دهنده برای حل این مشکل ارائه شده اند. این سیستم ها با استفاده از رفتار کاربران در گذشته، علایق آن را تشخیص و پیشنهادهای مناسبی را به کاربران ارائه می دهند. هنگامی که کاربران جدید وارد سیستم می شوند، م عمولاً اطلاعات کافی به منظور تولید پیشنهادها برای آنها وجود ندارد که منجر به بروز مشکل شروع سرد می شود. در این مقاله سیستمی پیشنهادی می شود که در طی فاز برون خط با ترکیب الگوریتم رقابت استعماری گسسته و الگوریتم k-medoids برچسب ها را خوشه بندی کرده و در طی فاز برخط با ورود کاربر جدید و وارد کردن برچسب های مدنظرش، k همسایه هر برجسب جدید و منابعی که توسط همسایه ها برچسب گذاری شده اند، استخراج و وزن دهی شده و تعدادی منبع با بیشترین وزن پیشنهاد می شوند. ازیابی سیستم پیشنهادی بر روی مجموعه داده استخراج شده از وب سایت MovieLens انجام شده است. ن تایج به دست آمده از آزمایش ها، بهبود معیارهای ارزیابی در ارائه پیشنهادها در مقابل سایر روش ها را نشان می دهد.

کلیدواژه ها:

الگوریتم قابت استعماری- الگوریتم k-medoids- سیستم برچسب زن اجتماعی- سیستم پیشنهاد دهنده- شروع سرد

نویسندگان

محمدحسین جعفری

دانشگاه آزاد اسلامی واحد مشهد، انجمن علمی کامپیوتر، مشهد، ایران

مهرداد جلالی

استادیار دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی کامپیوتر، مشهد، ایران

قمرناز تدین تبریزی

استادیار دانشگاه آزاد اسلامی واحد مشهد، گروه فناوری اطلاعات، مشهد، ایران

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 :
  • دانشگاه آزاد اسلامی واحد مرودشت- مهر ماه 1393 ...
  • دانشگاه آزاد اسلامی واحد مرودشت- مهر ماه 1393 ...
  • Acilar, A. Merve , Arslan, A., " A collaborative filtering ...
  • Kim, J. W., Lee, K. M, Shaw, M. J., Chang, ...
  • Liang, T.-P., Yang, Y.-F., Chen, D.-N., Ku, Y.-C. "A semantic-expans ...
  • Chen, P.-M. , Kuo, F.-C. "An information retrieval system based ...
  • Schafer, J. B., Konstan, J., Riedl, J. "E-Commerce Recommendat on ...
  • Tang, J., Hu, X., Liu, H., "Social recommendati on : ...
  • Rashid, A. M., Albert, I. _ Cosley, D., Lam, S. ...
  • Montaner, M., Lopez, B., Rosa, J. de la, "A Taxonomy ...
  • _ _ _ _ Expert Systems wvith Applications, vol. 36, ...
  • Herlocker, J. L., . Konstan, . A, Terveen, L. G., ...
  • Schein, A. I., Popescul, A., Ungar, L. H., Pennock, D. ...
  • Lam, X. N., Vu, T., Le, T. D., Duong, A. ...
  • Bobadilla, J., Ortega, F., Hermando, A., Gutierrez, A., "Recommendr systems ...
  • Ling, Y, Guo, D., Cai, F., Chen, H., "User-based Clustering ...
  • Lika, B., Kolomvatsos, K., Hadj iefthymiades, S., "Facing the cold ...
  • Zanardi, V. , Capra, L, "A Scalable Tag-Based Recommender System ...
  • Liddle, K.-D. Schewe, and X. Zhou, Eds., ed: Springer Berlin ...
  • Gao, F., Xing, C., Du, X., Wang, S., "Personalized service ...
  • Jaschke, R., , Marinho, L., Hotho, A., Schmi dt-Thieme, L., ...
  • Mladenic, and A. Skowron, Eds., ed: Springer Berlin Heidelberg, 2007, ...
  • Sanchez, D. , Batet, M., Isern, D., _ Ontology-based information ...
  • SaNchez, D. , Batet, M., "Semantic similarity estimation in the ...
  • Resnik, P., "Using information content to evaluate semantic similarity in ...
  • Shih, Y.-Y. , Liu, D.-R. "Product recommendati on approaches: Collaborative ...
  • Lee, S. K., Cho, Y. H., Kim, S. H., "Collaborative ...
  • نمایش کامل مراجع