مقایسه تاثیر تحلیل احساسات و رتبه بندی کاربران بر عملکرد سیستم های پیشنهاد دهنده
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 140
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ORMR-11-4_005
تاریخ نمایه سازی: 8 آذر 1402
چکیده مقاله:
در سالهای گذشته، ظهور شبکههای اجتماعی منجر به افزایش توجه به سمت سیستمهای پیشنهاد دهنده مبتنی بر نظرها شده است. هدف از توسعه چنین سیستمهایی استفاده از اطلاعات ارزشمند نظرهای متنی کاربران در فرایند الگوسازی و ارائه پیشنهاد است. در محیط شبکههای اجتماعی به طور معمول سیستمهای پیشنهاددهنده مبتنی بر پالایه نمودن مشارکتی برای ارائه توصیه به کاربران استفاده میشود. اساس کار این رویکرد، تجربه و نظر سایر افراد برای خرید اقلام و محصولات است. در این پژوهش سیستمی برای ارائه توصیه به کابران برای خرید کتاب با ترکیب فیلتریگ مشارکتی و تحلیل احساسات ارائه شد. برای تحلیل احساسات از الگوهای ترکیبی برای استخراج عقاید نظرهای کاربران استفاده شد. در رویکرد ترکیبی از رای گیری مبتنی بر وزن جهت الگوسازی استفاده گردیده است. الگو پیاده سازی شده بر نظرهای ۷۲۱۰ کاربر و خریدار کتاب تارنمای آمازون که از راه خزنده وب از تارنما آمازون استخراج شده اند، ارزیابی شده است. برای ارائه توصیه به کاربران پس از تشکیل پروفایل اقلام، شباهت میان اقلام استخراج میشود و در انتها اقلام مشابه با محصولاتی که هر کاربر به آن نمره خوبی داده است، به عنوان محصول پیشنهادی ارائه میشود. نتایج نشان میدهند تحلیل احساسات نظر کاربران بر پیشنهاد کالاهای مورد علاقه کاربر و عملکرد سیستمهای پیشنهاددهنده تاثیر مثبتی دارد.
کلیدواژه ها:
نویسندگان
فاطمه عباسی
Assistant Professor, Information Technology Management, Department of Information Technology Management, Faculty of Information Technology, Mehr Alborz Institute of Higher Education, Tehran, Iran.
آمنه خدیور
Associate Professor, Information Technology Management, Department of Management, Faculty of Social Sciences and Economics, Alzahra University, Tehran, Iran.
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 :