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

معرفی یک سیستم توصیه گر اجتماعی برای بهبود پیشنهادات تجارت الکترونیک با ترکیب الگوریتمهای Smote و Kfcm

سال انتشار: 1397
کد COI مقاله: BICO02_013
زبان مقاله: فارسیمشاهده این مقاله: 177
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
محتوای کامل این مقاله با فرمت WORD هم 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 14 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله معرفی یک سیستم توصیه گر اجتماعی برای بهبود پیشنهادات تجارت الکترونیک با ترکیب الگوریتمهای Smote و Kfcm

رسول حسینی نژاد - گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
محمدامین شایگان - گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد شیراز ، دانشگاه آزاد اسلامی، شیراز ، ایران

چکیده مقاله:

یکی از موفق ترین الگوریتم های ایجاد پیشنهاد در سیستمهای توصیه گر، روش پالایش گروهی است. پالایش گروهی به منظور پیشنهاد یک کالا به کاربر هدف، از سوابق امتیازدهی کاربران مشابه به آن کالا استفاده می نماید. لیکن پالایش گروهی با همه کارایی ای که دارد، از چندین مشکل نیز رنج می برد. از جمله محدودیت های پالایش گروهی، می توان به مشکل شروع سرد و تنک بودن ماتریس رتبه دهی اشاره نمود. به منظور بهبود کارآیی سیستمهای توصیه گر، در شرایطی که دارای مشکلات ذکر شده هستند، در این پژوهش ابتدا کاربران بر اساس ماتریس رتبه دهی، خوشه بندی می شوند که در این روند از خوشه بندی فازی استفاده شده است. الگوریتم خوشه بندی پیشنهادی ، kfcm است که با توجه به این که این داده ها ممکن است حجیم باشند، از امکانات موازی سازی استفاده می کند. برای حل مشکل شروع سرد نیز از الگوریتم smote استفاده شده است. در این پژوهش از دو مجموعه داده MoveiLens و Jester استفاده شده و با دو معیار میزان خطا و معیار پوشش دهی، مقایسه نتایج حاصل با ادبیات تحقیق صورت گرفته است که در بهترین حالت، میزان این دو معیار به ترتیب برابر با 30/0 و 87/0 شده است. به طور کلی در مقایسه با نتایج روشهای موجود، روش پیشنهادی موجب کاهش 45% خطا و ارتقای 43% دقت و پوشش دهی گردیده است.

کلیدواژه ها:

خوشه بندی فازی ؛ الگوریتم kfcm ؛ الگوریتم smote ؛ سیستم های توصیه گر

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا BICO02_013 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/902015/

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:
حسینی نژاد، رسول و شایگان، محمدامین،1397،معرفی یک سیستم توصیه گر اجتماعی برای بهبود پیشنهادات تجارت الکترونیک با ترکیب الگوریتمهای Smote و Kfcm،دومین کنفرانس ملی هوش تجاری و راهبردها،تهران،https://civilica.com/doc/902015

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: (1397، حسینی نژاد، رسول؛ محمدامین شایگان)
برای بار دوم به بعد: (1397، حسینی نژاد؛ شایگان)
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: 6,599
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