چارچوبی نوین برای ارزیابی سیستم های توصیه گر بر مبنای روش های مدل سازی و غنی سازی پروفایل کاربر

  • سال انتشار: 1395
  • محل انتشار: اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر
  • کد COI اختصاصی: CBCONF01_0123
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1040
دانلود فایل این مقاله

نویسندگان

محمدصادق موید صفاری

دانشجوی کارشناسی ارشد

حجت امامی

دانشجوی دکتری

حسین شیرازی

عضو هیئت علمی

چکیده

در چند سال گذشته، به دلیل سهولت در انتشار داده ها در وب و رسانه های اجتماعی، حجم محتوای دیجیتالیبطور قابل توجهی افزایش یافته است. این مقدار زیاد از داده ها بر روی وب و رسانه های مختلف اجتماعی چالش هاییمانند فقدان ابرفضا و اضافه بار اطلاعات را به ارمغان می آورد. یکی از راه حل های امیدوار کننده برای غلبه بر این مشکلاتسیستم های توصیه گر هستند. سیستم های پیشنهاد دهنده تاثیر جمع آوری و بهره برداری از اطلاعات مربوط به اشخاصو موارد را بیشتر میکنند. در ادبیات موضوع، چندین روش برای مدل سازی و غنی سازی پروفایل کاربر ارائه شده است. دراین مقاله، ما یک چارچوب مقایسه برای مقایسه و طبقه بندی مدل سازی کاربران و غنی سازی مدل کاربران برای سیستمهای توصیه گر را معرفی می نماییم. چارچوب مقایسه ای ارائه شده شامل مولفه های زیر می باشد: (الف) روش مدل سازی(ب) روش غنی سازی، (ج) روش ارزیابی، و (د) پیکره مورد استفاده. ما سپس به چالش های موجود در زمینه سیستم هایتوصیه گر و گرایش های نوظهور در این زمینه می پردازیم.

کلیدواژه ها

سیستم های توصیه گر، مدل سازی کاربر، غنی سازی مدل کاربر، توصیه محتوا

مقالات مرتبط جدید

اطلاعات بیشتر در مورد 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.