بهبود مقیاس پذیری سیستم های توصیه گر
محل انتشار: اولین کنفرانس ملی کامپیوتر و فناوری اطلاعات
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 565
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITS01_163
تاریخ نمایه سازی: 22 دی 1396
چکیده مقاله:
سیستم های توصیه گر با بررسی تمایلات و رفتارهای گذشته کاربران، سعی در ارایه اطلاعاتی دارند که پیش بینی می کنند این اطلاعات شخصی سازی شده برای این کاربر خاص مفید خواهند بود. در سیستم های توصیه گر با مشکلات متعددی از قبیل مقیاس پذیری روبرو هستیم. مقیاس پذیری عبارت است از توانایی سیستم در ارایه توصیه های شخصی به کاربران در زمان مناسب در حالی که تعداد کاربران و آیتم ها در سیستم بسیار زیاد است. در این مقاله برای حل مساله مقیاس پذیری در سیستم های توصیه گر مدلی ارایه شده است که در این مدل از طریق خوشه بندی کاربران و تعیین تعداد مناسب خوشه، مساله مقیاس پذیری مرتفع گردیده است. آزمایشات انجام شده بر روی دیتاست های معیار حکایت از بهبود مقیاس پذری سیستم به همراه دقت مناسب نسبت به حالت پایه دارد.
کلیدواژه ها:
نویسندگان
محمدعلی نجیمی گشتاسب
دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران،
الهام پروین نیا
استادیار گروه مهندسی کامپیوتر، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران