CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

سیستم توصیه گر مبتنی بر شبکه های اجتماعی با استفاده از ماتریس user-item با در نظر گرفتن خصوصیاتی مانند سن و جنسیت

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۶ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ICCONF02_010
زبان مقاله: فارسی
حجم فایل: ۱.۱۶ مگابات (فایل این مقاله در ۱۲ 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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله سیستم توصیه گر مبتنی بر شبکه های اجتماعی با استفاده از ماتریس user-item با در نظر گرفتن خصوصیاتی مانند سن و جنسیت

  شبنم گل پرور - دانشگاه آزاد اسلامی واحد بروجرد- ایران
  شهره گل پرور - دانشگاه آزاد اسلامی واحد بروجرد - ایران
  محمدابراهیم شیری احمدآبادی - دانشگاه امیرکبیر- تهران- ایران

چکیده مقاله:

سیستم های توصیه گر سیستم هایی هستند که سعی دارند بر اساس عملکرد، سلیقه های شخصی، رفتارهای کاربر و بسته به زمینه هایی که در آن مورد استفاده قرار گرفته اند، به هر کاربر پیشنهادهایی را ارایه دهند که با تمایلات شخصی وی تطابق داشته و وی را در فرایند تصمیم گیری یاری نمایند. با رشد روز افزون تجارت در دنیای وب، آموزش الکترونیکی، افزایش ارتباط و اشتراک کاربران با یکدیگر و پیدایش شبکه های اجتماعی، لزوم طراحی و پیاده سازی چنین سیستم هایی غیر قابل انکار نیست. ما سیستم های توصیه گر مبتنی بر شبکه اجتماعی را براساس ماتریس user-item پیاده سازی می کنیم ، که ماتریس user-item را به صورت دو بعدی به منظور سهولت و افزایش دقت و سرعت پیاده سازی می کنیم و هم چنین فاکتورهایی دیگری از جمله جنسیت و سن را برای افزایش دقت در توصیه ها در نظر می گیریم. از الگوریتم خوشه بندی x-means برای دسته بندی کاربران بر اساس میزان سلایق و خصوصیات همچون سن و جنسیت، استفاده می کنیم. در مرحله بعد ما میزان شباهت بین کاربران را مورد بررسی قرار می دهیم که معمولا از ماتریس رتبه بندی استفاده می نماییم، اگر چه که اطلاعات دیگر همچون تگ ها می تواند در پیدا کردن میزان شباهت ها به ما کمک کند. کاربران می توانند منابع و داده های جالب را به اشتراک بگذارند و هم با کاربران دیگر که سلایق یکسانی دارند در ارتباط باشند. مجموعه داده استفاده شده ترکیبی از Movielens و Livemocha می باشد که در توسط نرم افزار Rapidminer پیاده سازی می شود، که نتایج نشان می دهد که تفکیک ماتریس user-item توسط خصوصیاتی مانند جنس و سن ، که توانست دقت و سرعت در توصیه ها را به طور قابل توجهی افزایش دهد.

کلیدواژه‌ها:

شبکه های اجتماعی، سیستم های توصیه گر، خوشه بندی، ماتریس user-item، مجموعه داده

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-ICCONF02-ICCONF02_010.html
کد COI مقاله: ICCONF02_010

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:
گل پرور, شبنم؛ شهره گل پرور و محمدابراهیم شیری احمدآبادی، ۱۳۹۵، سیستم توصیه گر مبتنی بر شبکه های اجتماعی با استفاده از ماتریس user-item با در نظر گرفتن خصوصیاتی مانند سن و جنسیت، دومین همایش ملی کامپیوتر،فناوری اطلاعات وارتباطات اسلامی ایران، قم، مرکز مطالعات و تحقیقات اسلامی سروش حکمت مرتضوی، https://www.civilica.com/Paper-ICCONF02-ICCONF02_010.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: (گل پرور, شبنم؛ شهره گل پرور و محمدابراهیم شیری احمدآبادی، ۱۳۹۵)
برای بار دوم به بعد: (گل پرور؛ گل پرور و شیری احمدآبادی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۵۴۰۸
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 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.