ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

استفاده از الگوریتم ژنتیک موازی برای تجزیه تانسور در سیستم های پیشنهاد دهنده

سال انتشار: 1393
کد COI مقاله: INCEE02_026
زبان مقاله: فارسیمشاهد این مقاله: 604
فایل این مقاله در 5 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 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از الگوریتم ژنتیک موازی برای تجزیه تانسور در سیستم های پیشنهاد دهنده

زهرا شکیبا - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه علم و صنعت ایران
مهدی نصیری - دانشجوی دکترای هوش مصنوعی، دانشگاه علم و صنعت ایران
بهروز مینایی - استادیار دانشکده کامپیوتر، دانشگاه علم و صنعت ایران

چکیده مقاله:

در دنیای امروز که با اطلاعات زیادی سروکار داریم، مردم برای یافتن کالاهایی که به آنها نیازدارند، احتیاج به سیستم هایی دارند که آنها را یاری نمایند. به همین جهت استفاده از سیستم های پیشنهاد دهنده رواج یافته است. این سیستم ها توانایی فراهم کردن پیشنهادهای مفید و شخصی سازی شده را برای کاربران دارا می باشند. یکی از پرطرفدارترین رویکردهای سیستم های پیشنهاد دهنده، روش پالایش مشارکتی است؛ که یکی از موفق ترین مدل های آن که مورد استفاده قرار می گیرد، مدل تجزیه ماتریس و تجزیه تانسور است. استفاده از تانسور به جای ماتریس دارای مزیت است؛ به این دلیل که چون از ابعاد بیشتری استفاده می کنیم، می توانیم اطلاعات بیشتری را در مسئله وارد نماییم و به جواب هایی با دقت بهتر دست یابیم. در این مقاله روشی جدید بر مبنای الگوریتم زنتیک موازی برای تجزیه تانسورها ارائه شده است، که نسبت به روش های قبلی دارای دقت بیشتر و سرعت بهتر است.

کلیدواژه ها:

سیستم های پیشنهاد دهنده، الگوریتم ژنتیک موازی، تجزیه ماتریس، تجزیه تانسور

کد مقاله/لینک ثابت به این مقاله

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/365265/

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:
شکیبا، زهرا و نصیری، مهدی و مینایی، بهروز،1393،استفاده از الگوریتم ژنتیک موازی برای تجزیه تانسور در سیستم های پیشنهاد دهنده،دومین همایش ملی مهندسی برق ایران،بندرگز،،،https://civilica.com/doc/365265

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، شکیبا، زهرا؛ مهدی نصیری و بهروز مینایی)
برای بار دوم به بعد: (1393، شکیبا؛ نصیری و مینایی)
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 ممقالهقاله لینک شده اند :

  • analysis of predictive algorithms for collaborative filtering", In Proc. of ...
  • Generation.of Recommender Systems: A Survey of the S tate-of-the-At and ...
  • recommender systems using a mu ltidimensionl approach", ACM Trans Inf. ...
  • Evolutionary Algorithms, " IEEE Transactions on Evolutionary Computation, vol. 6, ...
  • using Genetics-Based Machine Learning", Advanced Review, WIREs Data Mining Knowl ...
  • 0. 1 002/widm. 1078. [5] ...
  • P rogres sP rize2 007_KorBell .pdf. [6] ...
  • factor analysis", In Proc. of SIGIR-02, _ SIGIR Conf. on ...
  • Algorithms, " Technical Report IliGAL 97003, University of Ilinois at ...
  • Application of dimensionality reductionin recommender Parallel Genetic Algorithms, " practical ...
  • Algorithms, " Technical report, ECLab, Summer Lecture Series, George Mason ...
  • collaborative filtering", ACM Trans. Inf. Syst., 22(1):89-115, 2004. [12] ...
  • Computing Trends, Applications and Perspectives, " Proceedings of the 18th ...
  • Factorization Techniques For Recommender Systems, " IEEE Computer Society Press, ...
  • Methods for large scale SD with missing values", In Proc. ...
  • singular value decompo sition", SIAM J. Matrix Anal. Appl, 2000, ...
  • Data Mining With Fine-Grained Parallel Evolutionary Algorithms, " Proceeding of ...
  • Information Engineering Systems, Third International Conference, Dec 1999, Adelaide, SA, ...
  • Context to Improve Predictive Modeling of Customers in Personalization Applications", ...
  • S chmidt-Thieme L, Hearning optimal ranking with tensor factorization for ...
  • Riedl. J, srouplens: an open architecture for collaborative filtering of ...
  • factorization", In J. C. Platt, D. Koller, Y. Singerand S. ...
  • Rem-based collaborative filtering _ commendation algorithms", In Proc. of WWW-01, ...
  • Knowledge Discovery and Data Mining, Boston Massachusetts, USA, 2000. [24] ...
  • HERLOCKER J and SEN S, collaborative Filtering Recommender Systems", In ...
  • M aximum- margin matrix factorization", Advances in Neural Information Processing ...
  • D ecompositions and Applications", SIAM Review, 51(3), 455-500 (2009). Yehuda ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 21,416
    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