سیستم پیشنهاد دهنده بر مبنای اعتبار با استفاده از دسته بندی اقلام

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 480

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NICE01_071

تاریخ نمایه سازی: 30 دی 1394

چکیده مقاله:

سیستم پیشنهاد دهنده یکی از مهم ترین دستاوردها در حوزه تجارت الکترونیک است. هدف سیستم های پیشنهاد دهنده، ارائه پیشنهادهای هوشمندانه به کاربران است، به گونه ای که پیشنهادات ارائه شده مطابق با تمایلات و علایق آن ها باشد. در این مقاله به ارائه روشی برای استخراج اعتبار کاربران سیستم های تجاری و افزایش دقت سیستم های پیشنهاد دهنده می پردازیم. ویژگی هایی که در مدل پیشنهادی با عنوان اعتبار تجمیع شده اند، شامل شباهت، اعتماد و همچنین خبرگی کاربران می باشد. ایده اصلی روش ارائه شده، دسته بندی اقلام به گروه های کوچک تر و استخراج ویژگی های اعتبار کاربران، در دسته های اقلام می باشد. نتایج حاکی از آن است که روش پیشنهاد شده دقت بالاتری نسبت به روش های رقیب در ارائه پیشنهادات مناسب به کاربران دارد.

نویسندگان

بهناز اکبرپور دهکردی

کارشناسی ارشد هوش مصنوعی، دانشگاه شیخ بهایی

ناصر قاسم آقایی

استاد، دانشگاه شیخ بهایی

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 :
  • Guo G, Zhang J and Thalmann D, "Merging trust in ...
  • Eisend M, "Source Credibility Dimensions in Marketing C ommunication - ...
  • Yoo K. H. and Gretzel, U, "Creating more credible and ...
  • Kwon K, Cho J and Park Y, _ _ Multi ...
  • Sarwar B M, Karypis G, Konstan J A, and Riedl ...
  • O'Donovan J and Smyth B, _ in recommender systems ", ...
  • Dima M, Vogiatzis D, Paliouras G and Stamatopoulos P, "Expert ...
  • Huang Z X, Lu X D, Duan H L, Zhao ...
  • نمایش کامل مراجع