Analysis of Self-Similarity in Recommender Systems
محل انتشار: دوازدهمین کنفرانس ملی سیستم های هوشمند ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,167
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_232
تاریخ نمایه سازی: 11 مرداد 1393
چکیده مقاله:
The objective of recommender systems is to estimate the unknown ratings. This paper presents an efficient method to generate the self-similarity rating matrix for recommendersystems. We show that the rating behavior of users is statistically self-similar that none of the commonly used recommender systemmodels is able to detect this fractal behavior. This behavior can be used to predict the unknown ratings. The experimental results showed that the proposed method obtains similar accuracy in comparison to the traditional recommender system method with much less computational cost
کلیدواژه ها:
نویسندگان
Mehdi Hosseinzadeh Aghdam
School of Computer Engineering Iran University of Science and Technology Tehran, Iran
Morteza Analoui
School of Computer Engineering Iran University of Science and Technology Tehran, Iran
Peyman Kabiri
School of Computer Engineering Iran University of Science and Technology Tehran, Iran