تکنیکهای موثریادگیری ترجیحات کاربران جدید درسیستم های پیشنهاددهنده فیلترگذاری مشارکتی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 776

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BPJ01_299

تاریخ نمایه سازی: 29 دی 1392

چکیده مقاله:

دردهه اخیر سیستم های پیشنهاددهنده مقبولیت گسترده ای درمجامع تحقیقاتی و تجاری پیدا کرده اند و به عنوان ابزاری جهت جستجوی هوشمنددرمیان انبوهی ازاطلاعات موجود بکارمیروند یکی ازرایج ترین تکنیکهای سیستم های پیشنهاددهنده تکنیک فیلترگذاری مشارکتی است که تولید پیشنهادبراساس شباهت کاربربه کاربرصورت میگیرد یک کاربر جدیدبایک چالش اساسی درفیلترگذاری مشارکتی مواجه است ازانجایی که سیستم هیچ اطلاعاتی راجع به ترجیحات کاربر جدید ندارد بنابراین نمی تواند پیشنهادها شخصی شده ای برای او فراهم نماید یکی ازروشهای مستقیم جهت غلبه براینمشکل نمایش چندین ایتم به کاربر جدید ودرخواست ازاو برای رتبه دهی صریح به آنها و درنتیجه ساخت سریع یک نمایه برای او است این مقاله به بررسی و مقایسه موثرترین رویکردهای یادگیری ترجیحات کاربرجدید توسط تکنیک درخواست برای رتبه دهی پرداخته است تا بتوان درتحقیقات اینده ازدستاوردهای آن بهره مند شد

کلیدواژه ها:

نویسندگان

مژده بهادرپور

دانشگاه آزاد اسلامی واحد نجف آباد

محمدحسین ندیمی

دانشگاه آزاد اسلامی واحد نجف آباد

محمد نادری دهکردی

دانشگاه آزاد اسلامی واحد نجف آباد

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 :
  • _ _ Design of a Bayesian ...
  • Musicant, D., et al. Recommender systems. 2007 [cited 2013; Available ...
  • Sarwar, B., et al. Item-based collaborative filtering ...
  • eBay. The world's online marketplace. [cited 2013; Available from: http ...
  • _ _ _ conference on Ubiquitous information management and communication ...
  • Schein, A.I., et al., Methods and metrics for cold-start rec ...
  • Kohrs, A. and B. Merialdo. Improving collaborative filtering for _ ...
  • Rashid, A.M., et al. Getting to know you: learning new ...
  • Rashid, A.M., G. Karypis, and J. Riedl, Learning preferences of ...
  • Crane, M., The new user problem in collaborative filtering, in ...
  • Nasraoui, O., et al., WebKDD 2008: 10 years of knowledge ...
  • _ _ and NLP. in Database and Expert Systems Applications. ...
  • نمایش کامل مراجع