ارزیابی یک سیستم توصیه گر با استفاده از الگوریتم تکاملی ترکیبی GAPSO
محل انتشار: اولین کنفرانس بین المللی وب پژوهی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,134
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:
IRANWEB01_027
تاریخ نمایه سازی: 29 شهریور 1394
چکیده مقاله:
در سال های اخیر شاهد انفجار اطلاعات با رشد نمائی در اینترنت هستیم. اینترنت با سربار اطلاعاتی بسیار زیادی مواجه است و مشکل مواجه کاربران با انبوهی از اطلاعات وجود دارد. این طور به نظر می رسد که باید دنبال راهکاری بود که کاربران را در یافتن آیتم های مورد علاقه شان یاری کند. سیستم های توصیه گر با تحلیل رفتار کاربران و جمع آوری اطلاعات آنان، توصیه های مفیدی متناسب با نیاز کاربران به آنها پیشنهاد می دهند. یکی از الگوریتم های به کاررفته در این سیستم ها الگوریتم پالایش مشارکتی مبتنی بر کاربر است. مهم ترین بخش الگوریتم پالایش مشارکتی تعیین شباهت بین کاربران است. در این مقاله از یک عیار شباهتی استفاده می شود که وزن و نسبت رتبه دهی را برای تعیین شباهت درنظر میگیرد و به منظور یافتن بردار وزن مناسب، الگوریتم های تکاملی ترکیبی ازدحام ذرات و ژنتیک پیشنهاد داده و پیاده سازی می شود. همچنین الگوریتم های مذکور به صورت منفرد نیز پیاده سازی شده و مورد ارزیابی قرار می گیرد. نتایج به دست آمده نشان می دهد که روش پیشنهادی دقت پیشنهاد را بهبود می بخشد و باعث افزایش کیفیت پیش بینی و کارایی پیشنهاد می شود.
کلیدواژه ها:
نویسندگان
اعظم سمیعی
دانشجوی کارشناسی ارشد، گروه کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد میبد
کمال میرزائی
عضو هیئت علمی، گروه کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد میبد
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 :