ارائه یک مدل پیشنهادگر جهت تشخیص محل مناسب انتشار مقالات علمی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 954

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MHAA01_003

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

سیستم های توصیه گر رویکردی برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات بوده و با توجه به علایق کاربران و به وسیله پالایش اطلاعات، فرآیند انتخاب و تصمیم گیری را تسهیل می نمایند. با وجود فراگیر شدن این سیستم ها در زمینه های گوناگون، تحقیقات نیاز به توجه بیشتر به بکارگیری آنها در محیط های علمی را نشان می دهند. یکی از مسائل قابل توجه برای محققین انتخاب مناسب ترین محل جهت انتشار مقالات علمی است. به همین جهت در این مقاله پس از مروری بر فعالیت های انجام شده، رویکردی جهت پیشنهاد کنفرانس و مجلات علمی مرتبط با یک مقاله خاص کاربر ارائه شده است. پیش بینی می شود روش پیشنهادی با بهره گیری از مفاهیم مسئله کوله پشتی و الگوریتم ژنتیک، توانایی بالایی در ارائه پیشنهادات موثر داشته باشد.

کلیدواژه ها:

بازیابی اطلاعات ، سیستم های توصیه گر ، تجزیه و تحلیل شبکه اجتماعی ، پیشنهاد محل انتشار

نویسندگان

رامین صفا

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات

سیدابوالقاسم میرروشندل

استادیار مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه گیلان، رشت

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 :
  • Han، Jiawei، Micheline Kamber، and Jian Pei. Data mining: concepts ...
  • Ricci، Francesco، Lior Rokach and Bracha Shapira. Introduction o recommender ...
  • Luong, Hiep, et al. "Publication venue rec ommendation using author ...
  • Huynh, Tin, Kiem Hoang, and Dao La. "Trend Based Vertex ...
  • Zanker, Markus, Alexander Felfernig, and Gerhard Friedrich. Recommender systems: an ...
  • Bobadilla, Jesus, et al. "Recommender systems survey." Kno wledge-Based Systems ...
  • Su, Xiaoyuan, and Taghi M. Khoshgoftar. " A Survey of ...
  • Cabanac, Guillaume. "Accuracy of inter-re searcher similarity measures based on ...
  • Kellerer, Hans, Ulrich Pterschy, and David Pisinger. Knapsack problems. Springer, ...
  • Srinivas, Mandavilli, and Lalit M. Patnaik. "Genetic algorithms: A survey." ...
  • Bobadilla, Jesus, et al. "Improving co]laborative filtering recommender system results ...
  • Hwang, Chein-Shung, Yi-Ching Su, and Kuo-Cheng Tseng. "Using genetic algorithms ...
  • Kant, Vibhor, and Kamal K Bharadwaj. " A User-Oriented Content ...
  • Silla Jr, Carlos N., et al. "Automatic text summarization with ...
  • Park, Deuk Hee, et al. " A literature review and ...
  • Bancu, Cristian, et al. " ARSYS --Article Recommender System." Symbolic ...
  • Gori, Marco, and Augusto Pucci. "Research paper recommender systems: A ...
  • Jiang, Yichen, et al. _ _ Rec ommending academic papers ...
  • Sun, Jianshan, et al. " A Novel Approach for Personalized ...
  • Zhan, Zhenjiang, et al. "Finding appropriate experts for collaboration: Web-Age ...
  • Basu, Chumki, et al. "Technical paper rec ommendation : A ...
  • Conry, Don, Yehuda Koren, and Naren Ramakrishna. _ 'Recommender systems ...
  • Gipp, Bela, and Joran Beel. "Citation based plagiarism detection: a ...
  • Caragea, Cornelia, et al. "Can't see the forest for the ...
  • Klamma, Ralf, Pham Manh Cuong, and Yiwei Cao. "You never ...
  • Martin, German Hurtado, et al. " An Exploratory Study On ...
  • Xu, Zhen, et al. " A Rec ommendation System for ...
  • نمایش کامل مراجع