طراحی سیستم پیشنهاد دهنده محصول: مورد بررسی کالاهای فناوری اطلاعات وارتباطات

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 762

فایل این مقاله در 13 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:

RKES01_144

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

امروزه با توسعه سریع اینترنت و رشد عظیم صفحات وب، بسیاری از وب سایت های الکترونیکی به منظور هدایت کاربران به محصولات مورد نیازشان، از سیستم های پیشنهاد دهنده محصول استفاده میکنند. چنین سیستم هایی معمولا برای کاربر یکلیست از آیتم های پیشنهادی را که ممکن است کاربر آنها را ترجیح دهد فراهم میکنند. در این پژوهش یک سیستم پیشنهاد دهنده محصول مبتنی بر فیلترینگ مشارکت محور و شبکه عصبی ارائه شده است که از خوشه بندی ژنتیک به منظور بهبود مجموعه پیشنهادی محصولات پیشنهادی استفاده میکند. بدین ترتیب که در ابتدا به پیش پردازش داده های می پردازیم تاداده های غیرضروری را حذف نماییم. آزمایشات نشان میدهد که سیستم پیشنهادی دقت و فراخوانی بالاتری نسبت به الگوریتم های قابل مقایسه دارد

نویسندگان

مهدی زنگنه

کارشناسی ارشد مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

علی رجب زاده قطری

دکتری مدیریت تولید و عملیات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

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 :
  • Gunawardana, _ Shani, g..toward scalable learning with non-uniform class and ...
  • R. Agrawal and R. Srikant, "Fast algorithms for mining association ...
  • Bettina Berendt, Andreas Hotho and Gerd Stumme, Towards Semantic Web ...
  • Raj, M. S. D. Imp lementation _ Collaborative Filtering Approach ...
  • Vassiliou, C., Stamoulis, D., Martakos, D., & Athanas sopoulos, S. ...
  • Cho, Y. S., Moon, S. C., Jeong, S. P., Oh, ...
  • Jeong, W. H., Kim, S. J., Park, D. S., & ...
  • B. Mobasher, H. Dai, T. Luo, Y. Sun, and J. ...
  • M. Jalali, N. Mustapha, M. N. Sulaiman, and A. Mamat, ...
  • W3C working group. Available: http://www.w3 _ org/2007/OWL ...
  • The Protege Ontology Editor and Knowledge Acquisition System. Available: http ...
  • P. Fournier-Viger. SPMF: A Sequential Pattern Mining Framework. Available: http ...
  • R. Forsati, H. _ Doustdar, M. Shamsfard, A. Keikha, and ...
  • R. Forsati, and M. R. Meybodi, Effective page rec ommendation ...
  • Singh, Brijendra, and Hemant Kumt Singh. "Web Data Mining Research: ...
  • Sharma, Kavita, Gulshan Shrivastava, and Vikas Kumar. "Web mining: Today ...
  • G. Castellano, A. M. Fanelli, and M. A. Torsello, NEWER: ...
  • R. Forsati, M. Meybodi, and A. G. Neiat, Web page ...
  • M. Talabeigi, R. Forsati, and M. R. Meybodi, A hybrid ...
  • M. rizvi, Prof. Ranjit R. Keole, A Preliminary Review of ...
  • M. Gao, K. Liu, and Z. Wu, Personalisation in web ...
  • K. Lang, "Newsweeder Learning to Filter Netnews, " Proc. 12th ...
  • B. Berendt, A. Hotho, and G. Stumme, "Towards semantic web ...
  • R. Srikant and . Agrawal, "Mining generalized association rules, " ...
  • B. Mobasher, H. Dai, T. Luo, Y. Sun, and J. ...
  • J. Borges and M. Levene, "Data mining of user navigation ...
  • M. Baumgarten, A. Bichner, S. Anand, M. Mulvenna, and J. ...
  • M. Spiliopoulou, "The laborious way from data mining to web ...
  • M. Spiliopoulou, C. Pohle, and M. Teltzrow, "Modelling and mining ...
  • C. C. Aggarwal, "Collaboratie crawling: Mining user experiences for topical ...
  • C. Kemp and K. Ramam ohanarao _ "Long-term learning for ...
  • نمایش کامل مراجع