حل مشکل شروع سرد در سیستم های توصیه گر با استفاده ازGA-PSO
محل انتشار: سومین همایش ملی کامپیوتر
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 984
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCOS03_170
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
امروزه به دلیل گستردگی رقابت دردنیای تجارت الکترونیک یافتن روشهای موثردرجذب مشتریان ازاهمیت ویژه ای برخوردار است یکی ازاین روشها بکارگیری الگوریتم های مربوط به سیستم های توصیه گردروب گاه های تجاری است که امکان استخراج علایق مشتریان بابکارگیری شیوه های داده کاوی میسر میگردد باتوجه به مطالعات فراوانی که برروی این نوع الگوریتم ها انجام شده اند مسئله پیش بینی امتیازات و حل مشکلات این الگوریتم ها که به دلیل کمبود اطلاعات اولیه ورودی توسط مشتریان به مشکل شروع سرد معروف هستند یکی ازچالشهای موجود درالگوریم های CF میب اشند سیستم پیشنهادی ازتکنیک استخراج قوانین انجمنی و فیلترینگ مشارکتی برای پیشنهادهای شخصی سازی شده به منظور به حداقل رساندن مشکلات شروع سرد که درروش CF وجود دارند استفاده مینماید استخراج قوانین انجمنی براساس الگوریتم اپریوری و خوشه بندی غنی شده باالگوریتم های تکاملی است استفاده میشود باتوجه به اینکه قوانین انجمنی روی اعضای یک خوشه که توسط الگوریتم ترکیبی ازدحام ذرات و ژنتیک بهبود یافته انجام میشود پیدا کردن قوانین انجمنی نسبت به روشهای دیگرسریعتر و قوانین کاراتر استخراج میشوند
کلیدواژه ها:
نویسندگان
سمانه نعمت نیا
کارشناسی ارشد نرم افزار دانشگاه آزاد مشهد
حسن احمدی ترشیزی
استاد یار دانشگاه آزاد مشهد
قمرناز تدین تبریزی
استاد یار دانشگاه آزاد مشهد
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 :