طراحی سیستم پیشنهاد دهنده فیلم با استفاده از روشهای boosting

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 689

فایل این مقاله در 7 صفحه با فرمت PDF 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:

ICTCK03_015

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

سیستم های پیشنهاد دهنده در زمینه های مختلفی از جمله فیلم، موزیک، شبکه های اجتماعی و غیره مورد استفاده قرار می گیرند. هدف این سیستم ها ارایه پینهادات جذاب به کاربران با توجه به عملکردشان در سیستم است. محبوبترین سیستم های پیشنهاد دهنده مدلهای محتوا محور و فیلترینگ مشارکتی است. روش مشارکتی از دو مشکل عمده رنج می برد: مشکل اول شروع سرد کاربران است و مشکل دوم نیز مسیله اعتماد کاربران وفادار است. در این مقاله با ترکیب روش محتوا محور و فیلترینگ مشارکتی به صورت بوستینگ یک سیستم توصیه گر طراحی شده است که علاوه بر حل مشکل شروع سرد، مسیله اعتماد و در نظر گرفتن کاربران وفادار را نیز پوشش می دهد. روش پیشنهادی شامل سه مرحله می باشد: (1) خوشه بندی اوله کلیه کاربران و تعیین خوشه مناسب به کاربر جدید(2) تعیین وزن مناسب برای هر کدام از ویژگی های کاربران خوشه مرود نظر تعیین همسایگان نزدیک کاربر جدید(3) تشکیل ماتریس مجاورتی امتیازات همسایگان نزدیک به فیلم های موجود و محاسبه امتیاز کاربر جدید به هر فیلم. روش ارایه شده به منظور خوشه بندی اولیه از قابلیت سیستم های محتوا محور با توجه به اطلاعات دموگرافیک کاربران استفاده می نماید. نتایج بدست آمده نشان می دهد که میانگین خطای واقعی و مجوز مربع میانگین روش پیشنهادی نسبت به روشهای نایوبیز، [عینا همانند مقاله] در حدود 8.4% بهبود داشته است.

نویسندگان

بهنام حیدری

دانشگاه آزاد اسلامی واحد شیراز، گروه مهندسی کامپوتر، شیراز، ایران

الهام پروین نیا

دانشگاه آزاد اسلامی واحد شیراز، گروه مهندسی کامپیوتر، شیراز، 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 :
  • . L. Hoang, HU-FCF++- _ Novel Hybrid Method for the ...
  • . M. S. Pera, Y. -K. Ng, A Group Recommender ...
  • . U. Shardanand and P. Maes, Social Information Filtering: Algorithms ...
  • . R. B. Yates and B. R. Neto., Modern Information ...
  • . K. Heung-Nam, A. E. Saddik and . Geun-Sik, Collaborative ...
  • . J. Bobadilla, F. Ortega, A. Hernando, J. Bernal, A ...
  • . H. Bystrom, Movie Recomm endations from User Ratings, Stanford ...
  • . B. Lika, K. Kolomvatsos and S. Hadj iefthymiades, Facing ...
  • . A. Luiz, V. Pereira and E. R. Hruschka, Simultaneous ...
  • . Movielens, movielens. Retrieved 8 12, 2015, from grouplens: http ...
  • نمایش کامل مراجع