بهبود سیستم های پیشنهادگر مبتنی بر شبکه اجتماعی با به کارگیری تصفیه ی معنایی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 909

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCSE01_093

تاریخ نمایه سازی: 9 بهمن 1392

چکیده مقاله:

روابط اجتماعی نقش مهمی در بازاریابی محصولات اینترنتی بازی می کند، به طوری که این نقش به ندرت در سیستم های پیشنهادگر در نظر گرفته می شود. در این مقاله ما نمونه ی جدیدی از سیستم های پیشنهادگر را ارائه می دهیم که از اطلاعات موجود در شبکه های اجتماعی از جمله علاقه مندی کاربر، پذیرش عمومی قلم و تأثیر دوستان اجتماعی بهره می برد. یک مدل احتمالاتی برای انجام پیشنهادات شخصی از چنین اطلاعاتی توسعه داده می شود. تحلیل ما روی مجموعه داده ای یک شبکه اجتماعی آنلاین است، که نشان می دهد دوستان تمایل بیشتری به انتخاب اقلام مشابه و دادن رتبه بندی های مشابه دارند. نتایج آزمایش روی این مجموعه داده ای نشان می دهد که سیستم پیشنهاد شده نه تنها صحت پیش گویی سیستم های پیشنهادگر را بهبود می بخشد، بلکه مسائلی از جمله شروع سرد و پراندگی داده که در تصفیه ی همکارانه وجود دارد را نیز اصلاح می کند. علاوه بر این، مابا به کارگیری تصفیه ی معنایی در شبکه های اجتماعی کارآیی سیستم های پیشنهادگر را بهبود می دهیم.

نویسندگان

فائزه رمضانی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه کامپیوتر، بوشهر، ایران

روح الله دیانت

دانشگاه قم

محمد بحرانی

دستیار آزمایشگاه پردازش گفتار دانشگاه شریف

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. Learning and Revising User Profiles ...
  • R. J. Mooney and L. Roy. Content-Based Book Re commending ...
  • Sarwar, G. 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 ...
  • M. R. Subramani and B. Rajagopalan. Knowledge- Sharing and Influence ...
  • S. Yang and G. M. Allenby. Modeling interdependent Consumer Preferences. ...
  • J. Wang, A. P. Vires, M. J.T. Reinders. Unifying User-based ...
  • R. Zheng, F. Provost and A Ghose. Social Network Collaborative ...
  • P. Sen and L. Getoor. Empirical Comparison of Approximate Inference ...
  • J. He, W. W. Chu and Z. Liu. Inferring Privacy ...
  • S. Macskassy and F. Provost. A Simple Relational Classifier. In ...
  • نمایش کامل مراجع