ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

سیستم توصیه گر مبتنی بر شبکه های اجتماعی با استفاده از ماتریس user-item با در نظر گرفتن خصوصیاتی مانند سن و جنسیت

سال انتشار: 1395
کد COI مقاله: ICCONF02_010
زبان مقاله: فارسیمشاهده این مقاله: 869
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله سیستم توصیه گر مبتنی بر شبکه های اجتماعی با استفاده از ماتریس user-item با در نظر گرفتن خصوصیاتی مانند سن و جنسیت

شبنم گل پرور - دانشگاه آزاد اسلامی واحد بروجرد- ایران
شهره گل پرور - دانشگاه آزاد اسلامی واحد بروجرد - ایران
محمدابراهیم شیری احمدآبادی - دانشگاه امیرکبیر- تهران- ایران

چکیده مقاله:

سیستم های توصیه گر سیستم هایی هستند که سعی دارند بر اساس عملکرد، سلیقه های شخصی، رفتارهای کاربر و بسته به زمینه هایی که در آن مورد استفاده قرار گرفته اند، به هر کاربر پیشنهادهایی را ارایه دهند که با تمایلات شخصی وی تطابق داشته و وی را در فرایند تصمیم گیری یاری نمایند. با رشد روز افزون تجارت در دنیای وب، آموزش الکترونیکی، افزایش ارتباط و اشتراک کاربران با یکدیگر و پیدایش شبکه های اجتماعی، لزوم طراحی و پیاده سازی چنین سیستم هایی غیر قابل انکار نیست. ما سیستم های توصیه گر مبتنی بر شبکه اجتماعی را براساس ماتریس user-item پیاده سازی می کنیم ، که ماتریس user-item را به صورت دو بعدی به منظور سهولت و افزایش دقت و سرعت پیاده سازی می کنیم و هم چنین فاکتورهایی دیگری از جمله جنسیت و سن را برای افزایش دقت در توصیه ها در نظر می گیریم. از الگوریتم خوشه بندی x-means برای دسته بندی کاربران بر اساس میزان سلایق و خصوصیات همچون سن و جنسیت، استفاده می کنیم. در مرحله بعد ما میزان شباهت بین کاربران را مورد بررسی قرار می دهیم که معمولا از ماتریس رتبه بندی استفاده می نماییم، اگر چه که اطلاعات دیگر همچون تگ ها می تواند در پیدا کردن میزان شباهت ها به ما کمک کند. کاربران می توانند منابع و داده های جالب را به اشتراک بگذارند و هم با کاربران دیگر که سلایق یکسانی دارند در ارتباط باشند. مجموعه داده استفاده شده ترکیبی از Movielens و Livemocha می باشد که در توسط نرم افزار Rapidminer پیاده سازی می شود، که نتایج نشان می دهد که تفکیک ماتریس user-item توسط خصوصیاتی مانند جنس و سن ، که توانست دقت و سرعت در توصیه ها را به طور قابل توجهی افزایش دهد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICCONF02_010 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/680789/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
گل پرور، شبنم و گل پرور، شهره و شیری احمدآبادی، محمدابراهیم،1395،سیستم توصیه گر مبتنی بر شبکه های اجتماعی با استفاده از ماتریس user-item با در نظر گرفتن خصوصیاتی مانند سن و جنسیت،دومین همایش ملی کامپیوتر،فناوری اطلاعات وارتباطات اسلامی ایران،قم،https://civilica.com/doc/680789

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، گل پرور، شبنم؛ شهره گل پرور و محمدابراهیم شیری احمدآبادی)
برای بار دوم به بعد: (1395، گل پرور؛ گل پرور و شیری احمدآبادی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 4,915
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی