CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

روشی نوین برای ارتقای دقت سیستم های توصیه گر آگاه از اعتماد

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۸۱ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ICTCK03_095
زبان مقاله: فارسی
حجم فایل: ۳۷۴.۱۱ کیلوبایت (فایل این مقاله در ۸ 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 ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روشی نوین برای ارتقای دقت سیستم های توصیه گر آگاه از اعتماد

  ایمان نعیمی - علوم و تحقیقات خراسان رضوی(نیشابور)
  حسن شاکری - دانشگاه آزاد اسلامی واحد مشهد

چکیده مقاله:

در سال های اخیر، روش های مبتنی بر پالایش گروهی (CF) برای سیستم های توصیه گر به صورتی گسترده مورد پذیرش قرار گرفته اند. یکی از این روش ها، مبتنی بر کاربر بوده که توصیه های کارآمدی را بر مبنای شباهت و از طریق رتبه بندی 2 کاربران با نظراتی مشابه، ایجاد میکند. اما این سیستمها دارای چند نقص ذاتی همانند مشکلات مربوط به پراکندگی 3 داده ها و شروع سرد 4 می باشند. با توسعه شبکه های اجتماعی، مقیاس اعتماد 5 به عنوان رویکردی جدید برای غلبه بر مشکلات پالایش گروهی ارایه شده است. سیستم های توصیه گر 6 آگاه از نظر اعتماد، روش هایی برای استفاده از گزارشهای اعتماد و داده های شخصی کاربر در شبکه های اجتماعی برای ارتقای دقت پیشبینی رتبه بندی برای کاربران با شروع سرد میباشند. همچنین، سیستم های توصیه گر مبتنی بر خوشه بندی 7، نوعی دیگر از سیستم ها برای به کارگیری کارآمد و قابل مقیاس بندی برای مجموعه داده های بزرگ می باشند، اما این سیستم ها نیز از دقت و پوشش نسبتا پایین رنج میبرند. بر این اساس در این مقاله برای مد نظر قرار دادن این مشکلات، ما یک خوشه بندی چند منظری را بر مبنای فاصله اقلیدسی 8 برای ترکیب هر دو مورد دیدگاه مربوط به شباهت و روابط اعتماد ارایه نموده که در بردارنده اعتمادهای صریح و ضمنی میباشد. نتایج آزمایش نشان میدهند که رویکرد ما میتواند به صورتی کارآمد دقت 9 و به صورتی ویژه، پوشش 10 توصیه ها را ارتقا داده و مشکل شروعسرد را کاهش دهد.

کلیدواژه‌ها:

شروع سرد، پوشش، سیستم توصیه گر آگاه از اعتماد، خوشه بندی

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-ICTCK03-ICTCK03_095.html
کد COI مقاله: ICTCK03_095

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:
نعیمی, ایمان و حسن شاکری، ۱۳۹۵، روشی نوین برای ارتقای دقت سیستم های توصیه گر آگاه از اعتماد، سومین کنگره بین المللی فن آوری، ارتباطات و دانش، مشهد، دانشگاه آزاد اسلامی واحد مشهد، https://www.civilica.com/Paper-ICTCK03-ICTCK03_095.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: (نعیمی, ایمان و حسن شاکری، ۱۳۹۵)
برای بار دوم به بعد: (نعیمی و شاکری، ۱۳۹۵)
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 :

  • G. Adomavicius, A. Tuzhilin, toward the next generation of recommender ...
  • possible extensions, IEEE Trans.Know. Data Eng. (TKDE) 17 (2005) 734-749. ...
  • D. Jannach, M. Zanker, M. Ge, M. Groning, Recommender systems ...
  • landscape of research, E-Commerce Web Technol. (2012) 76-87. ...
  • J. Zhang, Q. Peng, S. Sun, C. Liu, re co ...
  • argumentation, Inform. Sci. 279 (2014) 569- C ollaborative 586. ...
  • algorithm based On user preference derived from item domain features, ...
  • G. Guo, J. Zhang, D. Thalmann, Merging trust in collaborative ...
  • S. Lee, J. Yang, S. Y. Park, Discovery of hidden ...
  • Liu, F., Lee, H. Use of social network Germany: Heidelberg: ...
  • Move to Meaningful Internet, 2004. ...
  • M. Hao, D. Zhou, C. Liu, M. R. Lyu, Irwin ...
  • J. Mohsen, and M. Ester. "A matrix factorization technique with ...
  • M. Sarwar Badrul, G. Karypis, J. Konstan, and J. Riedl. ...
  • Robotics 8 (2), 2015 43-51 ...
  • neighborhood formation using clustering." In Proceedings of the fifth international ...
  • B. Jesus, F. Ortega, Antonio Hernando, and Abraham Gutierrez. _ ...
  • P. Bedi, P. Vashisth, Empowering and ...
  • J. Golbeck, Generating predictive movie re co mmendations from trust ...
  • T. DuBois, J. Golbeck, J. Kleint, A. re co mm ...
  • Recommender Systems and the Social Web, 2009. ...
  • performance. Expert Systems with Applications, 37, (2010) 4772-4778. ...
  • Guo, G., Zhang, J., Smith, N.Y. TrustSVD: Collaborative filtering with ...
  • Li, Y. M., Kao, C. P. TREPPS: A trust- based ...
  • Z. Fuzhi, H. Wang, Yi. Huawei, "An adaptive re commendation ...
  • Q. Wang, W. Cao, Y. Liu, A novel filtering ...
  • Lect. Notes Electr. Eng. 260 (2014) 673-680. ...
  • J. Kelleher, D. Bridge, Rectree centroid: An accurate, scalable collaborative ...
  • G. Xue, C. Lin, Q. Yang, W. Xi, H. Zeng, ...
  • C. Bishop, et al., Pattern Recognition and Machine Learning, vol. ...
  • A. Bellogin, J. Parapar, Using graph partitioning techniques for neighbor ...
  • Proceedings of the 6th ACM Conference on Recommender Systems (RecSys), ...
  • S. Bickel, T. Scheffer, Multi-view clustering, in: Proceedings of the ...
  • G. Guibing, J. Zhang, N. Yorke-Smith. "Leveraging multiviews of trust ...
  • systems." Knowledge -Based Systems 74 (2015) 14-27. ...
  • Y. Wang, and P. S. Munindar "Formal Trust Model for ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۲۸۶۲
    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.