ارائه یک سیستم پیشنهاددهنده کتاب با استفاده از هستی شناسی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 711

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC01_354

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

با افزایش حجم اطلاعات بر روی اینترنت، سیستم های پیشنهاددهنده نقش بسیار مهمی را درتصمیم گیری و انتخاب اطلاعات موردنیاز کاربران ایفا می کنند. سیستم پیشنهاددهنده با بررسیتاریخچه و رفتار کاربر، اقدام به ارائه ی پیشنهادات با کیفیت بالا و قابل دسترس برای کاربران می نماید.در بسیاری از سیستم های پیشنهاددهنده فقط از نرخ های داده شده به اقلام موجود در خود سیستماستفاده می کنند و از داده های معنایی کمتر استفاده می شود. در این مقاله سیستم پیشنهاددهنده ای ارائهشده است که از معنای ویژگی ها و مشخصه های یک قلم استفاده کرده است. در نتیجه قسمت مهمسیستم پیشنهادی، استخراج اطلاعات معنایی اقلام می باشد؛ که با تکینک های هستی شناسی از جملهدسته بندی کردن موضوعی اطلاعات درباره ی اقلام پیشنهادی و همچنین اندازه گیری میزان شباهتمعنایی اقلام صورت گرفته است. بمنظور اندازه گیری شباهت معنایی اقلام از ادغام تعداد و میزانهمپوشانی سرموضوعات که نشان دهنده ی میزان همپوشانی طبقات با توجه به تعداد اقلام مشترکمی باشد، استفاده شده است. در این مقاله از کتاب های موجود در سایت Acm و نیز اطلاعات تکمیلیدر سایت آمازون استفاده شده است که کارایی بهبود یافته ای در کاهش خطای سیستم پیشنهاددهندهو تاحدی کاهش مشکل شروع سرد را نشان می دهد.

نویسندگان

عاطفه آسترکی

آموزشکده فنی و حرفه ای سما واحد تهران (شریعتی)،دانشگاه آزاد، اسلامی، تهران ایران

حمید رستگار

دانشگاه آزاد اسلامی،واحد نجف آباد، گروه مهندسی کامپیوتر،اصفهان 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 :
  • International Conference on Information Techaology, Computer & Communication رایعنذپژو0 28 ...
  • Wang, S, . Isaac, A. Schopman, B, . Schlobach, S.. ...
  • Ricci, F., Rokach, L, Shapira, B., Kantor, B. (2011). Recommender ...
  • Breese, J. S., Heckerman, D., and Kadie.C. (1998). Empirical analysis ...
  • Re commendation _ C ommunication of the ACM, Vol. 40, ...
  • Deshpande, M., Karypis .G.(2004) Item-based top-n re commendation algorithms. ACM ...
  • Heitmann, B., Hayes, C... (2010). Using Liked Data to Biuld ...
  • Shardanand, J. _ Maes, P.(1995). Social information filtering: algorithms for ...
  • Goldberg, D., Nichols, B., Terry, D., (1992). Using collaborative filtering ...
  • Lee, J. (2009). Survey of Recommender Systems (Collaborative Filtering). ...
  • Sarwar, B., Karypis, G, . Konstan, J., and Riedl.J., (2001). ...
  • Tan, H., Ye, H., (2009). A Collaborative Filtering Rec ommendation ...
  • Asanoy, D., (2011). Algorithms and Methods in Recommender Systems. Berlin ...
  • Elgohary, A., Nomir, H., Sabek, I., Samir, M., Badawy, M., ...
  • Prieto-Diaz, R. (2003). A faceted approach to building ontologies. In: ...
  • Sanna, R., Soro, A. , Paddeu, G. .Giroux, S _ ...
  • Zhou, M. (2010). Book re commendation based on web social ...
  • Shambour, Q., Lu, J.(2012). A trust-semantio fusion-based re commendation approach ...
  • Gruber, T. (2009). Ontology. ...
  • Krestel, Ralf, and Dokoohaki, N. (2011). Diversifying product review rankings: ...
  • Herlocker, J., Konstan, J., Borchers, A., and Riedl, J. (1999). ...
  • نمایش کامل مراجع