بررسی و مقایسه معیارهای شباهت در سیستمهای پیشنهادگر

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 937

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM02_141

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

فیلترینگ مشارکتی یکی از تکنیکهای پرکاربرد در سیستمهای پیشنهادگر میباشد. این تکنیک بر اساس رفتار کاربران، محصولاتی که کاربر به آن علاقهمند میباشد را پیشنهاد میکند. اساس کار سیستمهای پیشنهادگر مبتنی بر فیلترینگ مشارکتی، تعیین میزانشباهت بین کاربران است. بدیهی است که انتخاب یک تابع شباهت مناسب، دقت توصیه در سیستمهای پیشنهادگر را بهبود میبخشد. یک سیستم پیشنهادگر، کاربران مشابه یا آیتمهای مشابه را استخراج نموده و بر اساس شباهت آنها، برای ارائه پیشنهاد یا پیشبینی علایق کاربر، تصمیمگیری مینماید. در این مقاله به بررسی و مقایسهی معیارهای شباهت در سیستمهای پیشنهادگر میپردازیم، همچنین چالشهای موجود در این سیستمها را نیز بررسی مینماییم.

نویسندگان

محمد نظری فرخی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد خرم آباد

سیروس مرادی

استادیار دانشگاه آزاد اسلامی واحد خرم آباد

مجتبی صالحی

عضو هیأت علمی دانشگاه آزاد اسلامی واحد خرم آباد

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 :
  • Adomavicius, G., & Tuzhilin, A. (2005). Toward the next generation ...
  • Sarwar, Badrul, Karypis, George, Konstan, Joseph, & Riedl, John. (2001). ...
  • Hua, Li, Genlong, Wang, & Min, Gao. (2013, 14-17 July ...
  • Rocchio, Joseph John. (1971). Relevance feedback in information retrieval. ...
  • Suyun, Wei, Ning, Ye, Shuo, Zhang, Xia, Huang, & Jian, ...
  • Moradi, Parham. kiasat, fereshte. (2012). A new similarity measure for ...
  • Adibi, P., & Ladani, B. T. (2013, 28-30 May 2013). ...
  • نمایش کامل مراجع