سیستم پیشنهاد منبع براساس برچسب و زمان برچسب گذاری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 646

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM02_070

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

در سالهای اخیر برچسبگذاریهای اجتماعی در فضای اینترنت رواج یافته است و این برچسب گذاری برای مدیریت سازماندهی و اشتراکگذاشت منابع مختلف راه موثری است. یکی از دلایل اصلی استفاده از سیستم پیشنهاد دهنده افزایش حجم اطلاعات وب است. سیستم های برچسبگذاری، اطلاعات کاربردی را به کاربر عرضه میکنند. به عنوان مثال برچسب علاقه کاربر را بر روی منبعی مشخص و زمان، معنی و مفهوم تغییر علاقه کاربر را در بازه زمانی خاص نشان میدهد. در مواقعی که اطلاعات زیاد است لازم است، منابعی را به کاربر نشان دهیم که علاقه بیشتری به آنها داشته باشند.فیلترینگ های دسته جمعی CF سرویس شخصیسازی را آماده میکند. در این مقاله، اطلاعات برچسب ، زمان برچسبگذاری و ارزش هر منبع را برای پیش بینی علاقه کاربر بررسی شده است، سپس با استفاده از این اطلاعات مدل پیشنهاد دهنده منبع موثرتر و بهتری ساخته شده است سیستم پیشنهاددهنده ای طراحی شده تا روش محاسباتی ذکر شده درمقاله را امتحان کند همچنین برای ازمایش ازمجموعه داده ها یجهان واقعی استفاده کرده و نتایج ازمایشات نشان دهنده برتری روش پیشنهادی نسبت به سایرروشها است و دارای عملکردبهتری می باشد

نویسندگان

جواد حمیدزاده

استادیار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی سجاد، مشهد، ایران

الهام بهروزنیا

دانشجوی ارشد نرم افزار،دانشگاه امام رضا علیه السلام، مشهد، ایران

نجمه فیل اللهی

دانشجوی ارشد نرم افزار،دانشگاه امام رضا علیه السلام، مشهد، ایران

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 :
  • D. M. N. A. Y. J. M. I. Blei, "Latent ...
  • M. Bundschus, S. Yu, V. Tresp, A. Rettinger and M. ...
  • S. A. B. A. Golder, "Usage patterns of collaborative tagging, ...
  • C. A. Yeung, N. Gibbins and N Shadbolt, "A study ...
  • Z. Yun and F. Boqin, "Tag-based user modeling using formal ...
  • B. Sigurbjornsson and R. Van Zwol, "Flickr tag reco mmendation ...
  • P. Heymann, _ Koutrika and H. Garcia-Molina, "Can social bookmarking ...
  • X. G. L. Li and Y. E. Zhao, "Tag-based social ...
  • G. Adomavicius, R. S ankaranarayana n, S. Sen and A. ...
  • C. Palmisano, A. Tuzhilin and M. Gorgoglione, "Using context to ...
  • A. -T. Y. C. Ji, H. -N. Kim and G. ...
  • T. Bogers and A. van den Bosch, "Re commending scientific ...
  • S. Zhao, N. Du, A. Nauerz, X. Zhang, Q. Yuan ...
  • V. H.Halpin, "The complex dynamics of collaborative tagging, " 2007. ...
  • M. Harvey, _ Baillie, I. Ruthven and M. Carman, "Tripartite ...
  • R. Krestel and P. Fankhauser, "Tag Rec ommendation using Probabilistic ...
  • E CML/PKDD2 009, Bled, Slovenia, 2009. ...
  • R. Krestel, P. Fankhauser and W. Nejd, "Latent Dirichlet Allocation ...
  • Q. L. Nan Zheng, "A recommender system based on tag ...
  • Lee, T. Q., Park, Y., & Park, Y. T. A ...
  • feedback. Expert systems with applications, 34, 3055-3062, 2008. ...
  • نمایش کامل مراجع