استفاده از روش هسته گاوسی در سیستم های پیشنهاد دهنده مبتنی بر اعتماد

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 813

فایل این مقاله در 16 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCOMP01_125

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

پیشنهادات‎‎‎‎ در زندگی روزانه ما نقش بسیار ‏با اهمیتی دارند. سیستم های توصیه گر به طور خودکار پیشنهاداتی از اقلام را به کاربران می دهند که ممکن است به سلیقه کاربران نزدیک باشد. مطالعات اخیر نشان می دهد که اطلاعات حاصل از شبکه های اجتماعی مبتنی بر اعتماد می تواند باعث بهبود دقت سیستم های توصیه گر گردد.‏ روش های مختلفی برای بررسی این سیستم ها وجود دارد که ما از رویکرد ماتریسی استفاده کرده ایم. در این مقاله روش پیشنهادی خود را برای سیستم های توصیه گر مبتنی بر اعتماد ارائه می دهیم. از آن جایی که همه ی کارهای انجام شده در سیستم های توصیه گر با رویکرد ماتریسی روابط بین متغیرها را به صورت خطی در نظر گرفته اند ما در روش پیشنهادی خود با استفاده از روش هسته گاوسی روابط بین متغیرها را غیر خطی در نظر گرفتیم که به نتایج بهتری دست پیدا کردیم.

نویسندگان

علی اصغر فضل اللهی

کارشناسی ارشد علوم کامپیوتر، دانشگاه تربیت مدرس،تهران

منصور رزقی

استاد یار گروه علوم کامپیوتر، دانشگاه تربیت مدرس،تهران

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 :
  • _ Castro- Sanchez, J., Miguel, R., Vallejo, D., A highly ...
  • Adomavicius, G., Tuzhilin, A., Toward the Next Generation of Recommender ...
  • Adomavicius, G., Tuzhilin, A., Toward the next generation of recommender ...
  • Candillier, L., Meyer, F., Boulle, M., Comparing state-of-the-ar collaborative filtering ...
  • Symeonidis, P., Nanopoulos, A., Papadopoulos, A., Manolopoulos , N., Collaborative ...
  • Kong, F., Sun, X., Ye, S., A comparison of several ...
  • Bobadilla, J., Ortega, F., Hernando, A., Gutierrez, A., ...
  • Recommender systems survey.In Knowledge-B ased Systems, pp. 109-132, (2013). ...
  • Mustansar, G., Prugel-B ennett, A., A scalable, accurate hybrid recommender ...
  • Schafer, J., Frankowski, _ Sen, S., Collaborative filtering recommender systems, ...
  • Bedi, P., Sharma, R., Trust based recommender system using ant ...
  • Ma, H., Yang, H., Lyu, M., King, I., SoRec: Social ...
  • ZAKI, MJ., MEIRAJR, W., Data Mining and Analisis Fundamental Concepts ...
  • Bishop, M., Pattern Recognition and Machine Learning book, pp. 291-307, ...
  • Herlocker, J. L., Konstan, J.A., Terveen, L.G., Collaborative Filtering Recommender ...
  • Plamondon, R., Lorette, G., "Automatic Signature Verification and Writer Identification ...
  • نمایش کامل مراجع