روش های بازخورد منفی برای حل مشکل کاربر جدید در سیستم های توصیه کننده همکارانه بر مبنای حافظه
محل انتشار: چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,634
فایل این مقاله در 6 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:
ACCSI14_033
تاریخ نمایه سازی: 26 مهر 1387
چکیده مقاله:
سیستم های توصیه کنندهف سیستم های شخصی سازی هستند که به کاربران در طی تعامل با سیستم توصیه های ضخصی شده ای ارایه می دهند. یکی از پرکاربردترین سیستم های توصیه کننده، سیستم توصیه کننده همکارانه بر مبنای حافظه است که توصیه ها را مبنای بازخوردهایی که از سایر کاربران دریافت کرده، می سازد. ایده آل این سیستم این است که کاربران به توصیه های افراد و دوستان نظیر خودشان اعتماد می کنند. اما زمانی که یک کاربر برای اولین بار مراجعه می کند، سیستم هیچ شناختی از کاربر ندارد. در این مقاله روش های مبتنی بر بازخورد منفی برای حل مشکل کاربر جدید پیشنهاد می شوند. این امر باعث می شود که فقره های مورد علاقه کاربر در زمان کمتر و با دقت بیشتر کشف شوند.
کلیدواژه ها:
نویسندگان
بهرنگ مسعودی فر
گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد دماوند
محمدرضا مطش بروجردی
استادیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امی
محمد اسماعیل جعفری
گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی لار
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 :