بهبود کارایی مدیریت اعزام مبلغ با استفاده از سیستم های پیشنهاددهنده

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 678

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IMSYM01_097

تاریخ نمایه سازی: 29 شهریور 1394

چکیده مقاله:

به جهت اهمیت مسئله تبلیغ دینی در ایران و نقش مؤثر آن در تعالی فرهنگ و اطلاعات اسلامی افراد جامعه و بهره وری هر چه بیشتر از طلاب علوم دینی در جهت نشر و گسترش معارف دینی مراکز متعددی امر اعزام طلاب و روحانیان جهت تبلیغ را به عهده دارند . اما با گستردگی عرصه تبلیغ دینی در اقصی نقاط ایران، تنوع فراوان نیازهای تبلیغی، شمار رو به افزایش مبلغان و مکان های تبلیغی، از یک سو مبلغان برای یافتن مکان تبلیغی متناسب دچار سردرگمی هستند، از سوی دیگر روش های دستی و سنتی اعزام مبلغ به دلیل کندی، عدم دقت و عدم جامعیت دیگر پاسخگوی نیاز مدیران اعزام نیست. بنابراین نیاز به سیستم هوشمندی است که هم بتواند مبلغان را در امر انتخاب مکان مناسب یاری رساند و هم موجب بهبود و ارتقا برنامه های اعزام گردد. این مقاله سیستم های پیشنهاددهنده را راه حل مناسبی برای این منظور معرفی نموده و سیستمی مبتنی بر پالایش مشارکتی مبتنی بر کاربر را برای پیشنهاد مکان تبلیغی به مبلغان ارائه می نماید.

کلیدواژه ها:

مدیریت اعزام مبلغ ، سیستم پیشنهاددهنده ، پالایش مشارکتی مبتنی بر کاربر

نویسندگان

راضیه قیاسی

کارشناس ارشد مهندسی فناوری اطلاعات از دانشگاه قم، ایران

سید حسن هانی زوارهای

بخش فناوری اطلاعات دانشگاه قم، ایران

بهروز مینایی بیدگلی

استادیار کامپیوتر دانشگاه علم و صنعت، ایران

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 :
  • سپهری، هدی. (1386). کاربرد روش‌های زیستی و اجتماعی در سیستم‌های ...
  • ارزیابی و دسته بندی روش ها ی ایجاد سیستم های پیشنهاد دهنده شخصی سازی شده [مقاله کنفرانسی]
  • Albadvi A., Shahbaz M., (2009). " A hybrid rec ommendation ...
  • Breese J. S., Heckerman D. & Kadie C. (1998). "Empirical ...
  • Burke R. (2000). "Semantic ratings and heuristic similarity for collaborative ...
  • Deshpande M., Karypis G. (2004). "Item-based top-N rec ommendation algorithms". ...
  • Desrosier C., Karypis G. (2011). _ comprehensive survey of neighborhood ...
  • Francesco Ricci, Lior Rokach & Bracha Shapira. (2011). Recommender Systems ...
  • Herlocker J., Konstan J. A & Riedl. J. (2002). " ...
  • Herlocker J., Konstan J. A. Borchers AI & Riedl J. ...
  • Huete J. F., Fernand ez-Luna J.M., _ M. & Rueda-Morales ...
  • Jiang Y., Shang J., Liu Y., (2010). "Maximizing customer satisfaction ...
  • Jin R., Chai J. Y., and Si L. (2004). "An ...
  • Linden, G., Smith, B., York, J. (2003). "Amazon.com re commendlatio ...
  • Mobasher B., Dai H., Luo T., Nakagawa M., Sun Y. ...
  • Resnick P., Iacovou N., Suchak M., Bergstrom P., and Riedl ...
  • Sarwar B., Karypis G., Konstan J., Reidl J. (2001) "Item-based ...
  • Sarwar B. M., Konstan J. A., Borchers Al, Herlocker J., ...
  • Schafer B., Konstan J. A & Riedl J. (2001). "E-commerce ...
  • Zhang J., Pu P. (2007). " A recursive prediction algorithm ...
  • نمایش کامل مراجع