سیستم های توصیه گر

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,405

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CONECE01_015

تاریخ نمایه سازی: 8 اردیبهشت 1396

چکیده مقاله:

با توجه به رشد سریع سیستم های اطلاعات و وجود حجم زیادی از اطلاعات در شبکه جهانی نیاز به سیستم های که شبکه جهانی را برای کاربر سفارش کننده احساس شده است از طرفی نیاز روزافزون کاربران به وب مفهومی نیز بر اهمیت این موضوع افزوده است بنابراین سیستم هایی توصیه گر به عنوان راه حلی برای این معضل معرفی شدند این سیستم ها به طور هوشمند با استفاده از تکنیک های هوش مصنوعی به شناسایی علایق کاربران خود در فضای اینترنت پرداخت و پیشنهادی متناسب با اولویت ها و محدودیت های فعلی به کاربر ارایه می دهند. سیستم های توصیه گر برای حل مشکل سربار اطلاعاتی در اینترنت به وجود آمده اند. سیستم های توصیه گر از دانش علایق کاربر که از گذشته گردش وی در وب به دست آمده برای پیدا کردن کالاها یا صفحات وب مورد علاقه وی استفاده می کند. در این مقاله رویکرد توصیه را مورد بررسی قرار می دهیم سپس چند از سیستم های توزیع سنتی و مدرن را بررسی می کنیم و در انتها چالش های سیستم های توصیه گر را ذکر می کنیم.

کلیدواژه ها:

سیستم های توصیه گر ، انواع سیستم های توصیه گر ، سیستم توصیه گر مبتنی بر محتوا ، پالایش تجمعی ، سیستم توصیه گر مبتنی بر دانش ، چالش های سیستم توصیه گر

نویسندگان

احمد احمدی

دانشجوی دانشگاه آزاد اسلامی واحد خرم آباد

حسام فولادوند

استاد،گروه کامپیوتر دانشکده فنی و مهندسی ،دانشگاه آزاد اسلامی واحد خرم آباد،لرستان

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 :
  • ]2 [Sharma, Richa, and Rahul Singh. "Evolution of Recommender Systems ...
  • Tran, T., & Cohen, R. (2000, July). Hybrid recommender systems ...
  • H. D. B. Mobasher, T. Luo, M. Nakagawa, "Effective personalization ...
  • Schwab, I., Kobsa, A., & Koychev, I. (2001). Learning user ...
  • L. G. T. Joseph A. K. Jonathan L. Herlocker, and ...
  • Sarwar, B., Karypis, G. Konstan, J., & Riedl, J. (2001, ...
  • نمایش کامل مراجع