غنی سازی محتوای پروفایل کاربران در شبکه های اجتماعی بر مبنای مدل سازی مشارکتی به منظور بهبود عملکرد سیستم های توصیه گر

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 856

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CBCONF01_0124

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

سیستم های توصیه گر، در پاسخ به گرانبار شدن اطلاعات پدید آمده است. این سیستم ها به کاربران محتوایی مناسب با نیازآنان را توصیه میکند. برای ارائه توصیه مناسب به کاربران، سیستم های توصیه گر شخصی، نیازمند مدل های دقیق از ویژگی ها،ترجیحات و نیازهای کاربران میباشند. از چالشهای مهم در طراحی یک سیستم توصیه گر، دشواری در فهم خودکار ترجیهات کاربراست. دو روش به طور گسترده ای در سیستم های توصیه گر مورد استفاده قرار می گیرد که عبارتند از پالایش مبتنی بر محتوا وپالایش مشترک. وظیفه سنتی در پالایش مشترک، پیش بینی یک مورد خاص برای کاربر هدف با استفاده از نظرات دیگر کاربرانمشابه، و در نتیجه توصیه مناسب است. در این مقاله، برای بهبود توصیه شخصی به کاربران یک رویکرد مشارکتی برای مدل سازیکاربران فارسی زبان در شبکه های اجتماعی پیشنهاد شده است. این رویکرد در اولین گام الگوهای مفید و معنی داری برای کاربرپیدا می کند و بعد از ساختن مدل شخصی، آن را با استفاده از بانک واژه های مترادف فارسی و با مشارکت کاربران مشابه دیگر غنیخواهد کرد و با استفاده از مدل غنی شده به کاربر توصیه مناسب را ارائه می نماید.

کلیدواژه ها:

سیستم های توصیه گر ، شبکه های اجتماعی ، مدل کاربر ، پالایش محتوا ، روش های مشترک پالایش ، غنی سازی مدل کاربر

نویسندگان

محمدصادق موید صفاری

دانشجوی کارشناسی ارشد

حسین شیرازی

عضو هیئت علمی

حجت امامی

دانشجوی دکتری

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 :
  • .6731 , قاشن‌ام‌ف‌ارس بی‌راز , الله خپارست‌ی‌رج _ ج‌مع واگ‌ان‌م‌رادف ...
  • S. Berkovsky, T. Kuflik and F. Ricci, "Cross-re presentation mediation ...
  • A. McCallum and K. Nigam, "A comparison of event models ...
  • Heung-Nam Kim, Inay Ha , Kee-Sung Lee, Geun-Sik Jo b ...
  • G. Salton and C. Buckley, "Term weighting approaches in automatic ...
  • M. Montaner, _ Lopez and J.L. de la Rosa, "A ...
  • S. Berkovsky, T. Kuflik and F. Ricci, "Mediation of user ...
  • A. Das, M. Datar and A. Garg, "Google _ persona ...
  • _ Han, J. Pei and Y. Yin, "Mining frequent patterns ...
  • Larsen, B. and Aone, C., "Fast and Effective tex mining ...
  • Stevenson, M., "Word Sense Disam biguation: The Case for Combinations ...
  • M. Degemmis, P. Lops and G. Semeraro, "A content-cola borative ...
  • P. Melville, R.J. Mooney and R. Nagarajan, _ Conte nt-boosted ...
  • B.M. Sarwar, G. Karypis, J.A. Konstan and J.T. Riedl, "Analysis ...
  • G. Adomavicius and A. Tuzhilin, "Toward the next generation of ...
  • Salter and N. Anto nopoulos, "Ci nemaScreen recommender agent: combining ...
  • M.J. Pazzani and A Meyers, "NSF research awards abstracts, " ...
  • M. Deshpande and G. Karypis, "Item-based top-n reCom mendation algorithms, ...
  • نمایش کامل مراجع