حل مساله شروع سرد کاربر در سیستم های توصیه گر با استخراج ویژگی های جمعیت شناختی و میدان تصادفی مارکوف

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 634

فایل این مقاله در 5 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEITS01_204

تاریخ نمایه سازی: 22 دی 1396

چکیده مقاله:

یک سیستم توصیه گر از الگوریتم هایی برای کار با داده های در دسترس برای پیشنهاد آیتم های مورد علاقه کاربر استفاده می کند. کاربران جدید به طور پیوسته به سیستم توصیه گر افزوده می شوند. در نتیجه سیستم نمی تواند محصول مناسبی را مطابق با سلیقه ی کاربر جدید ارایه کند. این مساله تحت عنوان شروع سرد کاربر مطرح است. در این مقاله ما به بررسی مشکل شروع سرد کاربر می پردازیم و برای حل این مشکل راه حل ارایه می دهیم. برای این منظور، ما مدل میدان تصادفی مارکوف را با تلفیقی از ویژگی های جمعیت شناختی پیشنهاد دادیم. مدل ارایه شده مجموعه داده فیلم Movielens را ارزشیابی می کند. نتایج آزمایش ها نشان می دهد که با استفاده از روش ارایه شده در این مقاله می توان مشکل شروع سرد کاربر را به طور موثر حل کرد.

کلیدواژه ها:

نویسندگان

سینا دامی

استادیار، دانشگاه آزاد اسلامی، واحد تهران غرب، گروه کامپیوتر، تهران، ایران،

نایله قره شیخ بیات

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد تهران غرب، گروه کامپیوتر، تهران، ایران،