بهبود سیستم های توصیه گر ویدئویی مبتنی بر احساسات با کمک آنتولوژی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,068

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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCOMP01_096

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

امروزه سیستم های توصیه گر بدلیل کاربرد وسیع و اثبات عملکرد مثبتشان بروی نتایج سیستم های سنتی جایگاه ویژه ای را به خود اختصاص داده اند. بعد از ایجاد و معرفی انواع الگوریتم های فیلترینگ مشخص در این سیستم ها؛ اکنون جهت مطالعات بسمت روش ها ی بالابردن کیفیت پیشنهاد ها تغییر کرده است. یکی از روش های ایجاد پیشنهاد در سیستم های توصیه گر مدرن روش مبتنی بر معنا یا دانش محور می باشد و احساسات و عواطف یکی از معروفترین متغیرهای معنایی محسوب می شوند. پیشرفت در محاسبات عاطفی مارا قادر ساخته تا بتوانیم از تاثیر احساسات بر شخصی سازی بهره برده و منجر به توسعه سیستم ها ی توصیه گر عاطفی گردیده است. سیستم هایی که محققان کیفیت توصیه های آنها را بسیار بهبود یافته تر از توصیه های قدیمی ارزیابی می نمایند. در این مقاله سعی داریم تاثیر احساسات ، چگونگی دریافت احساسات و جایگاه احساسات در سیستم های توصیه گر را بررسی و با ایجاد برچسب های عاطفی برای آیتم ها و بررسی آنها در سه الگوریتم با ویژگی های خاص دریابیم؛ استفاده از متغیر های عاطفی در کدام روش ها نتیجه بهتری به ما خواهد داد. سیستم توصیه گر مقاله جاری ، سیستم توصیه گر فیلم خواهد بود که از برچسب گذاری های اجتماعی به عنوان داده ورودی استفاده و در بعضی بخش های الگوریتم برای گسترش آنتولوژی از واژه نامه ها کمک می گیرد تا توصیه های بهتری بدست آیند.

کلیدواژه ها:

نویسندگان

عطیه رحیمیان

دانشجوی دانشگاه آزاد اسلامی،واحد سمنان

فرزین یغمایی

عضو هیئت علمی دانشگاه سمنان

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 :
  • P. Ek»an. Basic Emotion, In Handbook of Cognition and Emotion, ...
  • 'D. Kahnean. (sept 2003), "A perspective on judgment and choice: ...
  • Breazeal, C.(2003)، : Emotion and Sociable Humanoid Robots. International Journal ...
  • Carrillo de Albornoz, J., Plaza, L., Gervas, P. (2010) : ...
  • Computational Natural Language Learning, pp. 153-161 ...
  • Roberts, K., Roach, M.A., Johnson, J., Guthrie, J., Harabagiu, S.M. ...
  • " EmpaTweet : Annotat-ing and Detecting Emotions on Twitter:. In: ...
  • Winoto, P., Ya Tang, T. (2010) :-The Role of User ...
  • .Kaminskas, M., Ricci, F. (2011) _ L O c ation-Adapted ...
  • Emotions Evoked by the Sound of :ه 7. Zentner, M., ...
  • Shi, Y., Larson, M., Hanjalic, A. (2010) Mining Mood-specific Movie ...
  • " Baldoni, M., Baroglio, C., Patti, V., Rena, P. (2012) ...
  • Colombetti, Giovanna (August 2009). "From affect programs to dynamical discrete ...
  • avidson William, Richard J. (2003). Handbook of Affective Sciences. Oxford ...
  • Ekman, Paul (1992). "An Argument for Basic Emotions". Cognition and ...
  • Borod, Joan C. (2000). The Neurop sychology of Emotion. Oxford ...
  • _ W.M. Wundt, Outlines of Psychology. (1897). In: Classics in ...
  • Sentence Polarity and Intensity Classification Computational Natural Language Learning, pp. ...
  • Schlosberg, H. (1954). "Three dimensions of emotion". Psychological Review 61: ...
  • Posner, Jonathan; Russell, J.A. & Peterson, B S. (2005). "The ...
  • Erik Cambria; Andrew Livingstone; Amir Hussain (2012). "The Hourglass of ...
  • " Tkalcic, Marko, Andrej Kosir, and Jurij Tasic.(2011) " Affective ...
  • _ Creed and . Beale.(2005) Using emotion simulation to In ...
  • G. Adomavicius, R. S ankaranarayanan , S. Sen, and A. ...
  • M. Pantic and A. Vinciarelli.(2009) Implicit human-centered tagging [Social Science, ...
  • Ho, Ai Thanh, Ilusca LL Menezes, and Yousra Tagmouti.(2006) "E-MRS: ...
  • نمایش کامل مراجع