CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

معرفی معیارهای شباهت در سیستم های توصیه گر

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۵۷۸ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: NCCOS03_015
زبان مقاله: فارسی
حجم فایل: ۱.۱۱ مگابات (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 معرفی معیارهای شباهت در سیستم های توصیه گر

  اعظم سمیعی - دانشجوی کارشناسی ارشد گروه کامپیوتر نرم افزار دانشگاه آزاد اسلامی واحد میبد
  محمد جواد کارگر - عضو هیات علمی دانشگاه آزاد اسلامی واحد میبد گروه مهندسی کامپیوتر میبد ایران

چکیده مقاله:

رونق تجارت الکترونیک باعث تغییررفتارهای کسب و کارسنتی شدها ست و کاربران بطور روزافزونی تمایل به خرید اینترنتی دارند با این وجود افزایش شدید اطلاعات ارایه شده توسط شرکت های اینترنتی باعث بروز مشکل سربار اطلاعاتی شده است که دراین صورت کاهش رضایت مشتریان غیرقابل انکار خواهد بود یک راه برای مقابله بااین مشکل ایجادسیستم های توصیه گر و شخصی سازی شده است تابتوان اطلاعات محصولی رااستخراج نمود که مشتری واقعا بان علاقه مند است الگوریتم هایی دراین سیستم ها استفاده می شود که کارپالایش اطلاعات و ساخت پیشنهاد را برعهده دارد و هدف این الگوریتم ها تعیین شباهت بین کاربران یاایتم ها است این مقاله معیارهای شباهت سنتی مورداستفاده درسیستم های توصیه گر را معرفی می کند این معیارهای شباهت سنتی ارزش امتیازات کاربران به یک ایتم را یکسان درنظر میگیرند درصورتی که درواقعیت بدین شکل نیست برای رفع این مشکل استفاده ازمعیارهای شباهت وزن دار پیشنهاد میشود

کلیدواژه‌ها:

الگوریتم پالایش مشارکتی ، سیستم توصیه گر ، کاربردهای سیستم توصیه گر ، معیارهای شباهت

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-NCCOS03-NCCOS03_015.html
کد COI مقاله: NCCOS03_015

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:
سمیعی, اعظم و محمد جواد کارگر، ۱۳۹۴، معرفی معیارهای شباهت در سیستم های توصیه گر، سومین همایش ملی کامپیوتر، سنندج، آموزشکده فنی و حرفه ای سما واحد سنندج، https://www.civilica.com/Paper-NCCOS03-NCCOS03_015.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: (سمیعی, اعظم و محمد جواد کارگر، ۱۳۹۴)
برای بار دوم به بعد: (سمیعی و کارگر، ۱۳۹۴)
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: دانشگاه آزاد
تعداد مقالات: ۳۲۱۸
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.