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

Finding Domain-based Expert for Improving Collaborative Filtering Algorithm

سال انتشار: 1393
کد COI مقاله: JR_ACSIJ-4-2_013
زبان مقاله: انگلیسیمشاهد این مقاله: 192
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Finding Domain-based Expert for Improving Collaborative Filtering Algorithm

guo wu - Key Laboratory of Broadband Network and Multimedia, Graduate School at Shenzhen, Tsinghua University Shenzhen, Guangdong Province, China
yujiu yang - Key Laboratory of Broadband Network and Multimedia, Graduate School at Shenzhen, Tsinghua University Shenzhen, Guangdong Province, China
Wenhuang liu - Key Laboratory of Broadband Network and Multimedia, Graduate School at Shenzhen, Tsinghua University Shenzhen, Guangdong Province, China

چکیده مقاله:

Traditional neighborhood-based collaborative filtering algorithms are widely used in recommender system field for its accuracy, interpretability and operability. In this paper, weintroduce expert user model into collaborative filtering and determine authoritative expert users via expert finding methodsin large corpus. We propose a method to produce predications for target user. Instead of the similarity between normal users and target user, we determine target user’s neighborhood basedon the similarity be-tween expert users and target user. Experiments on Amazon datasets show that our method hasbetter performance than neighbor-hood-based collaborative filtering on recommendation accuracy, novelty and calculationefficiency.

کلیدواژه ها:

Domain, Expert, Recommender System, Collaborative Filtering

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/405196/

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:
wu, guo و yang, yujiu و liu, Wenhuang,1393,Finding Domain-based Expert for Improving Collaborative Filtering Algorithm,,,,,https://civilica.com/doc/405196

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, wu, guo؛ yujiu yang و Wenhuang liu)
برای بار دوم به بعد: (1393, wu؛ yang و liu)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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.

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