مروری بر سیستم های توصیه گر مبتنی بر گراف دانش
محل انتشار: اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 343
فایل این مقاله در 17 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:
CEITCONF06_055
تاریخ نمایه سازی: 26 خرداد 1402
چکیده مقاله:
در سال های اخیر با توجه به رشد روزافزون حجم داده ها در بسترهای مختلف، استفاده از سیستم توصیه گر برای کمک بهکاربران در کشف محتوای شخصی مورد علاقه از این مجموعه دائما رو به رشد، اهمیت بیشتری پیدا می کند. سیستم های توصیه گر علایق شخصی کاربران را کشف می کنند و آیتم هایی متناسب با علاقه شان به آن ها پیشنهاد می دهند. با وجود توسعه هایی که در سیستم های توصیه گر شده است، اما کماکان این سیستم ها از مشکلات شروع سرد و پراکندگی داده ها رنج می برند. یکی از روش هایی که برای حل این مشکلات ارائه شده است، به کارگیری گراف دانش در سیستم های توصیه گر به عنواناطلاعات جانبی است. استفاده از گراف دانش در سیستم توصیه گر، علاوه بر بهبود کارایی در حالت شروع سرد، توضیحاتی در مورد دلیل توصیه هر آیتم به کاربران نیز ارائه می دهد. در این مقاله ما به بررسی سیستم های توصیه گر مبتنی بر گراف دانش موجود می پردازیم و کارهای مرتبط انجام شده در این حوزه را مورد بررسی قرار می دهیم
کلیدواژه ها:
نویسندگان