ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

بهبود سیستم توصیه گر پالایش مشارکتی با استفاده از خوشه بندی کاربران بر مینای شخصیت

سال انتشار: 1394
کد COI مقاله: ICIKT07_099
زبان مقاله: فارسیمشاهده این مقاله: 1,050
فایل این مقاله در 6 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 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود سیستم توصیه گر پالایش مشارکتی با استفاده از خوشه بندی کاربران بر مینای شخصیت

زهرا یوسفی هفشجانی - دانشجوی کارشناسی ارشد فناوری اطلاعات دانشگاه اصفهان
مرجان کائدی - استادیار دانشگاه اصفهان
محمدعلی نعمت بخش - دانشیار دانشگاه اصفهان

چکیده مقاله:

امروزه با توجه به رشد فزاینده داده های در دسترس هر کاربر و زمان بر شدن انتخاب محصولات مطلوب برای او، اهمیت سیستم های توصیه گر غیرقابل انکار است. سیستم توصیه گر، با تحلیل رفتار کاربران و جمع آوری اطلاعات آن ها، توصیه های مفیدی متناسب با نیاز کاربران به آن ها پیشنهاد می دهد. هسته یک سیستم توصیه گر، رویکردهای پالایشی آن می باشد. پالایش مشارکتی، مشهورترین و پر استفاده ترین این رویکردها است و بهبود آن، از اهمیت فراوانی برخوردار است. در این رویکرد، لیست اقلام پیشنهادی، بر اساس علاقه مندی کاربران مشابه کاربر فعال تهیه می شود. پالایش مشارکتی مبتنی بر کاربر، صرفا از منظر سلایق و ترجیحات کاربر، مدل کاربر را کشف می کند و بنابراین منحصر به فرد بودن کاربر را نادیده می گیرد. تاکنون برای یافتن کاربران مشابه علاوه بر امتیازدهی های انجام شده توسط کاربران، مهیارهای شباهت دیگری نیز پیشنهاد شده است. شخصیت یکی از این معیارها است که اخیرا توجه زیادی را به خود جلب کرده است. از طرف دیگر، یک روش رایج برای بهبودعملکرد سیستم های پالایش مشارکتی، خوشه بندی کاربران بر مبنای ویژگی های مختلف است. ولی این روش اغلب با تعمیم بیش از حد، موجب کاهش دقت توصیه های شخصی سازی شده می شود. هدف از این مقاله، ارائه یک راهکار جدید و کاربردی با بهره گیری از خوشه بندی بر مبنای اطلاعات شخصیتی افراد برای سیستم های توصیه گر مبتنی بر پالایش مشارکتی است. ارزیابی روش پیشنهادی نشان داده است که این راهکار میتواند دقت سیستم را ارتقا دهد و حتی در شرایط مواجهه با تنکی داده هم پیشنهادات مناسبی را ارائه می دهد. راه حل پیشنهادی بی نیاز از اطلاعات شبکه های اجتماعی، برچسب ها، محتوای اقلام کالا، نمایه ی کاربران و اطلاعات مربوط به موقعیت آن ها می باشد و در اکثر دامنه ها و محصولات قابل استفاده است.

کلیدواژه ها:

سیستم توصیه گر ، پالایش مشارکتی ، شخصیت ، خوشه بندی ، مدل پنج عامل بزرگ شخصیتی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICIKT07_099 میباشد و 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/388741/

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:
یوسفی هفشجانی، زهرا و کائدی، مرجان و نعمت بخش، محمدعلی،1394،بهبود سیستم توصیه گر پالایش مشارکتی با استفاده از خوشه بندی کاربران بر مینای شخصیت،هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش،ارومیه،https://civilica.com/doc/388741

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: (1394، یوسفی هفشجانی، زهرا؛ مرجان کائدی و محمدعلی نعمت بخش)
برای بار دوم به بعد: (1394، یوسفی هفشجانی؛ کائدی و نعمت بخش)
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 مقاله لینک شده اند :

  • M. Elahi, M. Braunhofer, F. Ricci, and M. Tkalcic, "P ...
  • J. Bobadilla, F. Ortega, A. Hernando and A. Gutierrez, "Recommender ...
  • A. Bilge and H. Polat, _ Scalable P r i ...
  • Literature A"ه D. Park, H. K. Kim, Y. Choi, and ...
  • H. Langseth and T. D. Nielsen, _ Latent Mod. for ...
  • F, Cacheda, V, Carneiro, D. F.Ndez, and V. Formoso, "Comparison ...
  • Z. Quan, "Collaborative Filtering Re commendatio Based on User Character, ...
  • R. Hu, "Design and User Issues in P ersonal ity-based ...
  • of the Art, " User Modeling and User-Adapted Interaction, vol. ...
  • A. Roshchina, J. Cardiff, and P. Rosso, _ Comparative Evaluation ...
  • R. Hu and P. Pu, "Enhancing Collaborative Filtering Systems with ...
  • M. Tkalcic, M. Kunaver, A. Kosir, and J. Tasic, "Addressing ...
  • W. Jeong, S. Kim, D. Park and J. Kwak, "Performance ...
  • R. Hu and P. Pu, _ Study _ User Perception ...
  • I. S. Altingovde, O. N. Subakan, and O. Ulusoy, "Cluster ...
  • C.Tsai and C. Hung, Cluster Ensembles in Collaborative Filtering Recommendat ...
  • P.Wang, "A Personalized Collaborative Re commendation Approach Based on Clustering ...
  • R. Hu and P. Pu, _ Comparative User Study on ...
  • F. Mairesse and M. Walker, "Towards personal ity-based user adaptation: ...
  • O. Laverdiere, A. J. Morin, and F. St-H ilaireFactor, "Factor ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    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: 17,445
    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