بهبود عملکرد سیستمهای توصیه گر با استفاده از خوشه بندی فارسی و اطلاعات پرو فایل کاربران
عنوان مقاله: بهبود عملکرد سیستمهای توصیه گر با استفاده از خوشه بندی فارسی و اطلاعات پرو فایل کاربران
شناسه ملی مقاله: DOROUDIT01_145
منتشر شده در همایش منطقه ای علوم کامپیوتر، مهندسی کامپیوتر و فناوری اطلاعات در سال 1391
شناسه ملی مقاله: DOROUDIT01_145
منتشر شده در همایش منطقه ای علوم کامپیوتر، مهندسی کامپیوتر و فناوری اطلاعات در سال 1391
مشخصات نویسندگان مقاله:
فرشته کیاست - دانشجوی کارشناسی ارشد - گروه مهندسی کامپیوتر و فناوری اطلاعات - دانشکد
پرهام مرادی - استادیار - گروه مهندسی کامپیوتر و فناوری اطلاعات - دانشکده مهندسی - دان
خلاصه مقاله:
فرشته کیاست - دانشجوی کارشناسی ارشد - گروه مهندسی کامپیوتر و فناوری اطلاعات - دانشکد
پرهام مرادی - استادیار - گروه مهندسی کامپیوتر و فناوری اطلاعات - دانشکده مهندسی - دان
یکی از عاملهای مؤثر بر کارآیی یک سیستم توصیه گر معیار اندازهگیری شباهت است. معیار اندازهگیری با کمک اطلاعاتی که از کاربران دریافت میکند شباهت بین کاربران را میسنجد. هدف این مقاله بهبود عملکرد سیستمهای توصیه گر با استفاده از یک معیار اندازهگیری شباهت جدید است . این نگاه از اطلاعات پرو فایل کاربران برای محاسبه شباهت بین کاربران استفاده میکند. آزمایشات بر روی مجموعه داده مووی لنز انجام شده است و نتایج آنان حاکی از اینست که معیار پیشنهادی توانسته موجب افزایش کارآیی سیستمهای توصیه گر شود.
کلمات کلیدی: سیستمهای توصیه گر ، معیار اندازهگیری شباهت ، خوشه بندی فازی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/173570/