الگوریتم خوشهبندی تکاملی در سیستمهای پیشنهاد دهنده مبتنی بر مشخصات فردی و ویژگیهای زمانی
عنوان مقاله: الگوریتم خوشهبندی تکاملی در سیستمهای پیشنهاد دهنده مبتنی بر مشخصات فردی و ویژگیهای زمانی
شناسه ملی مقاله: ICKIS01_033
منتشر شده در اولین کنفرانس بین المللی مهندسی دانش،اطلاعات و نرم افزار در سال 1393
شناسه ملی مقاله: ICKIS01_033
منتشر شده در اولین کنفرانس بین المللی مهندسی دانش،اطلاعات و نرم افزار در سال 1393
مشخصات نویسندگان مقاله:
وحیده نوبهاری - گروه هوش مصنوعی، دانشگاه آزاد اسلامی واحد مشهد
سیده حلیمه لطفی - گروه هوش مصنوعی، دانشگاه آزاد اسلامی واحد مشهد
مهرداد جلالی - استادیار، دانشکدهفنی و مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد
خلاصه مقاله:
وحیده نوبهاری - گروه هوش مصنوعی، دانشگاه آزاد اسلامی واحد مشهد
سیده حلیمه لطفی - گروه هوش مصنوعی، دانشگاه آزاد اسلامی واحد مشهد
مهرداد جلالی - استادیار، دانشکدهفنی و مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد
در دهه اخیر، استفاده از اینترنت و وب سرویس، روش استفاده از منابع و برقراری ارتباط در اینترنت را تغییر داده است. اگرچه، این کاربرد، زندگی را از منظرهای مختلف آسان کرده است اما مشکل یافتن اطلاعات مرتبط، همچنان وجود دارد. یک کاربر جدید با مشکل سرریزیاطلاعات مواجه است و جریان پیوسته اطلاعات جدید، مشکل را پیچیدهتر میکند. علاوه براین، با گذر زمان، علاقههای کاربر نیز تغییر میکند.برای حل این مشکل، اغلب از تکنیک داده کاوی استفاده شده است. سیستمهای پیشنهاد دهنده، در یافتن اطلاعات مرتبط روی وب به کاربر کمک میکنند و اغلب مبتنی بر الگوریتمهای داده کاوی میباشند. در این مقاله، با ارائه یک سیستم پیشنهاد دهنده پویاکه تحت تاثیر ویژگی- های فردی افراد است، به حل مسئله تغییر خواستههای کاربر در طی زمان جستجوی اطلاعات، میپردازیم. بدین ترتیب کهعلاوه براثربخشیامتیازدهی کاربران به اقلام مورد نظر، اطلاعات شخصیتی افراد نیز در این سیستم پیشنهاد دهنده، مورد تاثیر قرار میگیرد. الگوریتم خوشهبندی نیز، خوشههای کاربران مشابه را میسازد و با تکامل آنها در هر بازه زمانی، اولویتهای کاربر مربوطه را نشان میدهد. الگوریتم پیشنهادی پس از مقایسه با الگوریتمهای مطرح پیشین، بهبود قابل ملاحظهای در کیفیت پیشنهادات ارائه داده است.
کلمات کلیدی: خوشه بندی تکاملی، داده کاوی، سیستمهای پیشنهاد دهنده، فیلترکننده مشارکتی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/344833/