CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

روش های بازخورد منفی برای حل مشکل کاربر جدید در سیستم های توصیه کننده همکارانه بر مبنای حافظه

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۱۳۳ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: ACCSI14_033
زبان مقاله: فارسی
حجم فایل: ۱۸۲.۵۱ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روش های بازخورد منفی برای حل مشکل کاربر جدید در سیستم های توصیه کننده همکارانه بر مبنای حافظه

  بهرنگ مسعودی فر - گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد دماوند
محمدرضا مطش بروجردی - استادیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امی
  محمد اسماعیل جعفری - گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی لار

چکیده مقاله:

سیستم های توصیه کنندهف سیستم های شخصی سازی هستند که به کاربران در طی تعامل با سیستم توصیه های ضخصی شده ای ارایه می دهند. یکی از پرکاربردترین سیستم های توصیه کننده، سیستم توصیه کننده همکارانه بر مبنای حافظه است که توصیه ها را مبنای بازخوردهایی که از سایر کاربران دریافت کرده، می سازد. ایده آل این سیستم این است که کاربران به توصیه های افراد و دوستان نظیر خودشان اعتماد می کنند. اما زمانی که یک کاربر برای اولین بار مراجعه می کند، سیستم هیچ شناختی از کاربر ندارد. در این مقاله روش های مبتنی بر بازخورد منفی برای حل مشکل کاربر جدید پیشنهاد می شوند. این امر باعث می شود که فقره های مورد علاقه کاربر در زمان کمتر و با دقت بیشتر کشف شوند.

کلیدواژه‌ها:

سیستم توصیه کننده، فیلتر سازی همکارانه، مشکل کاربر جدئیدف بازخورد منفی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI14-ACCSI14_033.html
کد COI مقاله: ACCSI14_033

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مسعودی فر, بهرنگ؛ محمدرضا مطش بروجردی و محمد اسماعیل جعفری، ۱۳۸۷، روش های بازخورد منفی برای حل مشکل کاربر جدید در سیستم های توصیه کننده همکارانه بر مبنای حافظه، چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر، دانشگاه صنعتی امیر کبیر، https://www.civilica.com/Paper-ACCSI14-ACCSI14_033.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (مسعودی فر, بهرنگ؛ محمدرضا مطش بروجردی و محمد اسماعیل جعفری، ۱۳۸۷)
برای بار دوم به بعد: (مسعودی فر؛ مطش بروجردی و جعفری، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Lyman, P.: Varian, H. R.; How much information?, firom ...
  • Sarwar, B.; Karypis, G.; Konstan, J.; Riedl, J.; Item- Based ...
  • Herlocker, J.: Konstan, J. A.; Terveen, L. G.; Riedl, J. ...
  • Avery, C.; Resnick, P.; Zeckhauser, R.; The Market for Evaluations, ...
  • Balabanovic, M.; Shoham, Y. : Fab: Con tent-Based, Co llaborative ...
  • Good, N.; Schafer, J. B.; Konstan, J.; Borchers, A.; Sarwar, ...
  • Rigal, M. M.; Collaborative Reco mmender Agents Based on Case-Based ...
  • Rashid, A. M.; Albert, I.; Cosley, D.; Lam, S. K.; ...
  • Berkovsky, S.; Kuflik, T.; Ricci, F.; Mediation of User Models ...
  • Mehta, B.; Nejdl, W; Intelligent distributed user modelling: from semantics ...
  • S ch ickel-Zuber, V.; Faltings, B.;Using hierarchical clustering for learning ...
  • Kohrs, A.; Merialdo, B.; Improving co lla bo ra tive ...
  • Jafari, M. E.; A novel web-based system for adaptive information ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۳۲۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.