بررسی جامع بر روی سیستمهای پیشنهاددهنده مبتنی بر الگوریتمهای هوشمحاسباتی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 513

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RKES01_308

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

با گسترش سریع اطلاعات در اینترنت، سیستمهای پیشنهاددهنده نقش مهمی از لحاظ تجاری و تحقیقاتی به خود اختصاص دادهاند. چنین سیستمهایی معمولا برای کاربر یک لیست از آیتمهای پیشنهادی را که ممکن است کاربرآنها را ترجیح دهد فراهم میکنند یا اینکه درمورد میزان علاقمندی کاربر به هرآیتم پیشبینی انجام میدهند. تاکنون روشهای مختلفی برای ارائه یک سیستم پیشنهاددهنده ارائه شده است، که از جمله مهمترین این روشهامیتوان به الگوریتمهای مبتنی بر هوش محاسباتی اشاره نمود. در این مقاله به بررسی سیستمهای پیشنهاددهنده خواهیم پرداخت و چالشهای پیش رو در ارائه یک سیستم پیشنهاددهنده خوب را شرح خواهیم داد سپس به معرفی الگوریتمهای پیشنهاددهنده مبتنی بر هوشمحاسباتی، خواهیم پرداخت و هر یک از این نوع الگوریتمها را از نظر معیارهای پراکندگی، شروعسرد، مقیاسپذیری، مورد مقایسه و ارزیابی قرار خواهیم داد. و نشان میدهیم که چطور استفاده از یک معیار ارزیابی میتواند منجر به انتخاب یک الگوریتم مناسب برای جذب کاربر شود. با این امید که افراد متخصص در این حوزه بتوانند دید بهتری نسبت به استفاده از هر یک از این نوع الگوریتمها در جهت ارائه یک سیستم پیشنهاددهنده را داشته باشند

نویسندگان

زهرا خورسند

دانشجوی کارشناسی ارشد دانشگاه آزاد دامغان

رضا مرتضوی

عضو هیات علمی دانشگاه دامغان

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 :
  • Shuib, N. L. M., Baiti, N., Normadhi, A. B., Alias, ...
  • del Olmo, F. H., & Gaudioso, E. (2008). Evaluation of ...
  • Liang, T. P., Lai, H. J., & Ku, Y. C. ...
  • Lu, J., Wu, D., Mao, M., Wang, W., & Zhang, ...
  • Pazzani, M. J., & Billsus, D. (2007). Content-based re commendation ...
  • Su, X., & Khoshgoftaar, T. M. (2009). A survey of ...
  • Trewin, S. (2000). Kno wledge-based recommender systems. Encyclopedia of library ...
  • Bedi, P., Sharma, R., & Kaur, H. (2009). Recommender System ...
  • Bobadilla, J., Ortega, F., Hernando, A., & Gutierrez, A. (2013). ...
  • Park, D. H., Kim, H. K., Choi, I. Y., & ...
  • _ Abbas, A, Bilal, K., Zhang, L., & Khan, S. ...
  • Khalid, O., Khan, M. U. S. Khan, S. U., & ...
  • Mobasher, B., Burke, R., Bhaumik, R., & Williams, C. (2007). ...
  • Sharma, M., & Mann, S. (2013). A survey of recommender ...
  • Jamali, M., & Ester, M. (2009, June). Trustwalker: a random ...
  • Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), ...
  • Engelbrecht, A. P. (2007). Computational intelligence: an introduction. John Wiley ...
  • Zhang, Z., Lin, H., Liu, K., Wu, D., Zhang, G., ...
  • Su, X., Greiner, R., Khoshgoftaar, T. M., & Zhu, X. ...
  • Porcel, C., Lopez-Herrera, _ G., & H errera-Viedma, E. (2009). ...
  • S errano -Guerrero, J., Herrera-V iedma, E., Olivas, J. A., ...
  • Porcel, C., Tej eda-Lorente, A., Martinez, M. _ & Herrera ...
  • Li, Y. M., & Kao, C. P. (2009). TREPPS: a ...
  • Cheng, L. C., & Wang, H. A. (2014). A fuzzy ...
  • Vieira, J., Dias, F. M., & Mota, A. (2004, April). ...
  • Krstic, M., & Bjelica, M. (2012). Context-aware personalized program guide ...
  • Chou, P. H., Li, P. H., Chen, K. K., & ...
  • Kondo, Y. (2000). Attractive quality: its importance and the points ...
  • Chang, C. C., Chen, P. L., Chiu, F. R., & ...
  • Biancalana, C., Gasparetti, F., Micarelli, A., Miola, A., & Sansonetti, ...
  • Devi, M. K., Samy, R. T., Kumar, S. V., & ...
  • Zhang, J., Zhan, Z. H., Lin, Y., Chen, N., Gong, ...
  • Kim, K. J., & Ahn, H. (2008). A recommender system ...
  • Bobadilla, J., Ortega, F., Hernando, A., & Alcala, J. (2011). ...
  • Fong, S., Ho, Y., & Hang, Y. (2008, September). Using ...
  • Al-Shamri, M. Y. H., & Bharadwaj, K. K. (2008). Fuzzy-genetic ...
  • del Olmo, F. H., & Gaudioso, E. (2008). Evaluation of ...
  • Blum, C., & Li, X. (2008). Swarm intelligence in optimization ...
  • Winklerova, Z. (2012). Maturity of the particle SWarm as a ...
  • Gong, Y. J., Xu, R. T., Zhang, J., & Liu, ...
  • Bedi, P., & Sharma, R. (2012). Trust based recommender system ...
  • Nadi, S., Saraee, M., Bagheri, A., & Davarpanh Jazi, M. ...
  • Hsu, C. C., Chen, H. C., Huang, K. K., & ...
  • Ujjin, S., & Bentley, P. J. (2003, April). Particle sWarm ...
  • DasGupta, D. (1993). An overview of artificial immune systems and ...
  • Morrison, T., & Aickelin, U. (2008). An artificial immune system ...
  • Cayzer, S., & Aickelin, U. (2002, May). A recommender system ...
  • Acilar, A. M., & Arslan, A. (2009). A collaborative filtering ...
  • Cayzer, S., & Aickelin, _ (2005). A recommender system based ...
  • Mihaljevic, B., Cvitas, A., & Zagar, M. (2006). Recommender system ...
  • Abbas, A., Zhang, L., & Khan, S. U. (2014). A ...
  • Tuba, M. (2012, January). Swarm intelligence algorithms parameter tuning. In ...
  • Timmis, J. (2007). Artificial immune sys tems--today and tomorrow. Natural ...
  • نمایش کامل مراجع