طراحی سیستم پیشنهادگرمبتنی برشبکه بیزی بابهره گیری ازتاثیرات هموفیلی درروابط اجتماعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 806

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BPJ01_006

تاریخ نمایه سازی: 29 دی 1392

چکیده مقاله:

بیشتر ازیک دهه سیستم های پیشنهادگربهعنوان ابزارکلیدی برای غلبه برسرباراطلاعاتی پیشنهادشده اند بطوریکه الگوریتم ها و سیستم های زیادی ارایه گردیده است علاوه برهمه ی تلاش های انجام شده سیستم های پیشنهادگرباچالشهای زیادی روبرو هستند ازجمله بهبود صحت پیشگویی پراکندگی داده و مسائل شروع سرد به عبارت دیگرظهوراخیرشبکه های اجتماعی برخط حجم عظیمی ازاطلاعات جدید مربوط به رفتارکاربروتعاملات دوستانرا فراهم می کند به خصوص تاثیرات هموفیلی درمیان دوستان اهمیت آنها رابه بازاریابی محصول نشان داده است دراین مقاله الگوی جدیدی ازسیتسم های پیشنهادگررا ارایه میدهیم که میتواند کارایی را بابه کارگیری اطلاعات موجوددرشبکه های اجتماعی بهبود بخشد همچنین وجود هموفیلی میان دوستان دررتبه بندی اقلام با استفاده ازتحلیل های اماری روی یک مجموعه داده گرفته شده ازیک شبکه اجتماعی واقعی بررس یمیشود برای پی بردن به نقش روابط اجتماعی درسیستم پیشنهادگرمبتنی برشبکه اجتماعی یک سیستم پیشنهادگرمبتنی برشبکه بیزی روی یک شبکه اجتماعی همگن ساده را توسعه میدهیم نتایج ازمایش روی این مجموعه داده ای نشان میدهد که سیستم پیشنهاد شده نه تنها صحت پیشگوییسیستم های پیشنهادگررا بهبود می بخشد بلکه مسائلی ازجمله شروع سردوپراکندگی داده که درتصفیه همکارانه وجود دارد را نیز اصلاح می کند

نویسندگان

فائزه رمضانی

دانشجوی کارشناسی ارشد

روح الله دیانت

استادیاردانشگاه قم

مهدی صادق زاده

استادیاردانشگاه علوم و تحقیقات

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 :
  • M. Pazzani and D. Billsus. "Learing and Revising User Profiles: ...
  • Sarwar, _ Karypis, J. Konstan, and J. Riedl. "Item-Based Collaborative ...
  • D. Billsus and M. Pazzani." Learning Collaborative Information Filters". In ...
  • J. S. Breese, D. Heckerman, and C. Kadie. "Empirical Analysis ...
  • P. Resnick, N. Iakovou, M. Sushak, P. Bergstrom, and J. ...
  • G. Adomavicius, and A. Tuzhilin. "Toward the Next Generation of ...
  • Sarwar, G. Karypis, J. Konstain, and J. Riedl. "Application of ...
  • _ _ _ _ ommunications of the ACM, 46(12):300-307, 2003. ...
  • S. Yang and G. M. Allenby." Modeling interdependent Consumer Preferences". ...
  • J. Wang, A. P. Vires, M. J.T. Reinders." Unifying User-based ...
  • Development on Information Retrieval (SIGIRO6), August 6-11, 2006. ...
  • _ _ _ the Sixth Workshop on eBusiness (WEB2007), De-cember ...
  • P. Sen and L. Getoor. "Empirical Comparison of Approximate Inference ...
  • نمایش کامل مراجع