طراحی یک سیستم پیشنهاد گر مبتنی بر شبکه عصبی نوع GMDH جهت پیشنهاد فیلم به کاربران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 709
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:
CECCONF01_035
تاریخ نمایه سازی: 22 آبان 1395
چکیده مقاله:
در این مقاله، یک سیستم پیشنهادگر به کمک الگوریتم شبکه عصبی GMDH جهت پیشنهاد فیلم به کاربران پیشنهاد می گردد. مدل پیشنهادی مبتنی بر کشف اعتماد ضمنی و اعتماد به رأی کاربران فعال است. شبکه عصبی GMDH به سبب استفاده از الگوریتم تکاملی ژنتیک در طراحی بهینه ساختار شبکه، سرعت یادگیری بالایی حتی در شرایطی که تعداد نمونه های آموزشی کم باشد ارائه می دهد. از طرفی، در مدل پیشنهادی، از نظرات تعداد محدودی کاربر فعال (تعداد کم نمونه های آموزشی) اقدام به پیش بینی رأی کاربر جدید می شود. از این رو، استفاده از شبکه عصبی GMDH در ساخت مدل پیشنهادی یک انتخاب مناسب بوده است . برای طراحی و پیاده سازی مدل پیشنهادی از نرم افزار GEvoM استفاده شده است. نتایج شبیه سازی نشان داد مدل پیشنهادی با دقت 76%، و میانگین خطای مطلق 0.273 کارایی برتری نسبت به دیگر الگوریتم ها نظیر شبکه عصبی پرسپترن چندلایه، شبکه بیزین، درخت تصمیم و جنگل تصادفی ارائه می دهد.
کلیدواژه ها:
نویسندگان
نسرین مرادی مقدم
دانشگاه آزاد اسلامی، واحد کرمانشاه، گروه مهندسی فناوری اطلاعات، کرمانشاه، ایران.
سمیه محمدی
دانشگاه آزاد اسلامی، واحد قصرشیرین، گروه مهندسی کامپیوتر، قصرشیرین، ایران.
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 :