طراحی سیستم پیشنهاد دهنده آگاه با زمان مبتنی بر خوشه بندی بهبود یافته با الگوریتم رقابت استعماری آشوبگون

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 537

فایل این مقاله در 6 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_097

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

طراحی سیستم های پیشنهادهنده از جمله زمینه های پرکاربرد است که توجه محققین زیادی را به خود معطوف کرده است. یکی از مهمترین اهداف محققین این زمینه، افزایش دقت این سیستم هاست. در نظر گرفتن آیتم زمان و استفاده از روش خوشه بندی باعث افزایش دقت پیشنهادها می شود. به کارگیری روش های بهینه سازی هوشمند دقت خوشه بندی را بهبود میدهد. ایده اصلی این مقاله استفاده از الگوریتم رقابت استعماری آشوبگون برایافزایش کارایی خوشه بندی است. در این مقاله، هدف ارایه یک سیستم پیشنهاد دهنده آگاه با زمان است که بر پایه روش خوشه بندی بهبود یافته با الگوریتم رقابت استعماری آشوبگون طراحی شده است. چنین سیستمی میتواند برای ارایه پیشنهاد در وب سایت های تجارت الکترونیک با زمینه های کاری مختلف به کار رود. با توجه به پیچیدگی مسیله و اهمیت طراحی این سیستم، از تلفیق علوم داده کاوی، محاسبات هوشمند و نظریه آشوب استفاده شدهاست. به کارگیری روش خوشه بندی با در نظر گرفتن آیتم زمان و استفاده از الگوریتم رقابت استعماری آشوبگون منجر به پیدایش سیستمی با کارایی مناسب شده است. در طراحی الگوریتم رقابت استعماری به جای مولدهای تصادفی از مولدهای آشوبگون برای نمونه برداری از داده ها استفاده شده است،که این انتخاب به دلیل پوشش یکنواخت تر فضای نمونه برداری و افزایش تنوع انتخاب منجر به افزایش دقت الگوریتم می گردد. به علاوه سیستم طراحی شده توانایی مواجهه با چالش های شروع سرد کاربر و شروع سرد آیتم را نیز دارد. سیستم پیشنهادی بر روی مجموعه داده استاندارد movielense تست و دقت 92 ٪ را کسب کرده است.

کلیدواژه ها:

سیستم پیشنهاددهنده آگاه با زمان ، الگوریتم رقابت استعماری ، نظریهی آشوب ، شروع سرد

نویسندگان

رضا محمدی پور

دانشگاه آزاد اسلامی واحد سبزوار

مجید وفایی جهان

استادیار دانشگاه آزاد اسلامی واحد 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 :
  • Resnick Paul and Varian Hl R., Recommender Systems, C ommuni ...
  • Luo, Xin, et al. _ efficient non-negative matrix- factorization -based ...
  • for recommender systems." Industrial Informatics, IEEE Transactions _ 10.2 (2014): ...
  • Le Hoang Son. "HU-FCF plus plus: A novel hybrid method ...
  • INTE LLIGENC E 41 (2015): 207-222. ...
  • Liu, Haifeng, et al. "A new user similarity model to ...
  • filtering." Kno wledge-Based Systems 56 (2014): 156- ...
  • SON, _ H. Dealing with the New User Cold-Start Problem ...
  • Chhavi Rana, Sanjay Kumar Jain, An evolutionary clustering algorithm based ...
  • Evolutionary Computation, Volume 14, February 2014, Pages 21-30 ...
  • Bart Craenen, Asoke. K. Nandi, Tapani Ristaniemi, A novel heuristic ...
  • Applications, Volme 41, Issue 4, Part 2, March 2014, Pages ...
  • Pedregal Pablo, Introduction o Optimization, Springer 46, 2004, 1-21. ...
  • Burke Robin, Kno wledge-Based Recommender System, Encyc lopediaof Library and ...
  • Talatahari, S., et al. "Imperialist competitive algorithm combined with chaos ...
  • نمایش کامل مراجع