فهرس المقالات سیستم های پیشنهاد دهنده

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - استفاده از خوشه بندی سلسله مراتبی برای بهبود پیشنهاد منابع مبتنی بر برچسب
  الهه ثابتنیا مهرداد جلالی سعید راحتی قوچانی
  اخیراً سیستم های برچسب زنی اجتماعی به صورت روز افزون متداول شده و در حال افزایش می باشد. این سیستم ها به کاربراناجازه می دهد تا منابع مورد نیاز خود را به صورت آزادانه سازماندهی، مدیریت و جستجو نمایند. از چالش های این نوع سیستم هامی توان به حجم بالای داده، داده ناسازگار، أکثر

  اخیراً سیستم های برچسب زنی اجتماعی به صورت روز افزون متداول شده و در حال افزایش می باشد. این سیستم ها به کاربراناجازه می دهد تا منابع مورد نیاز خود را به صورت آزادانه سازماندهی، مدیریت و جستجو نمایند. از چالش های این نوع سیستم هامی توان به حجم بالای داده، داده ناسازگار، استفاده از الگوریتم های زمانبر یادگیری ماشین و عدم قابلیت اجرا و تطبیق در دنیایواقعی اشاره نمود. این چالش ها سبب افزایش روز افزون تحقیقات در سالهای اخیر شده است. راهکار این چالش ها سیستم هایپیشنهاد دهنده می باشد، به همین دلیل سیستم پیشنهاد دهندة منابع را بر اساس برچسب معرفی نموده ایم که توانا یی کمک به کاربردر انتخاب منبع مناسب و یکپارچه نمودن این منابع در بین تمام کاربران را پوشش می دهد. این سیستم به دل ی ل ترکی ب و یکپارچهنمودن روش های مبتنی بر محتوا، مبتنی بر مشارکت، کلمات مرتبط و پروفایل کاربر سبب حذف مشکل شروع - سرد در ابتدایکار سیستم می شود. اگر سیستم دارای هیچ اطلاعاتی نباشد و برای اولین بار اقدام به فعال ی ت نمای د، با استفاده از محتوای م نبع وکلمات مرتبط اقدام به ارائه پیشنهاد به کاربر می کند که این بزگترین مزیت سیستم می باشد . در ای ن سیستم، پیشنهادات بر اساسعلائق شخصی کاربر، علائق کاربران مشابه، محتوای منابع مورد نظر و پایگاه های اطلاعاتی مرتبط با هستی شناسی و کلمات مرتبطانجام می شود. ارزیابی سیستم پیشنهادی بر روی مجموعه دادة استخراج شده از سایت دلیشز انجام شده است. نتایج به دست آمده ازآزمایشها، بهبود صحت در ارائه پیشنهادات و کارایی این سیستم را در مقابل روش پیشنهاد ترکیبی تا 67 درصد افزایش می دهد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - سیستم پیشنهاد دهنده خبر آگاه بر مکان با استفاده از منطق فازی
  مهدی نجاتی حمید طباطبایی مهرداد جلالی
  با انتشار حجم عظیمی از خبرها بر روی اینترنت و تمایل بیشتر کاربران به سرویس‌های خبری تحت وب، نیاز به یک سیستم پیشنهاد دهنده خبر ضروری می‌باشد. خبرها برای آنکه قابل توجه باشند سرویس‌های خبری از تعدادی معیار به نام ارزش‌ خبر استفاده می‌کنند و مکان کاربر نقش موثری در بررسی أکثر

  با انتشار حجم عظیمی از خبرها بر روی اینترنت و تمایل بیشتر کاربران به سرویس‌های خبری تحت وب، نیاز به یک سیستم پیشنهاد دهنده خبر ضروری می‌باشد. خبرها برای آنکه قابل توجه باشند سرویس‌های خبری از تعدادی معیار به نام ارزش‌ خبر استفاده می‌کنند و مکان کاربر نقش موثری در بررسی این معیارها دارد. در این مقاله LONEF یک سیستم پیشنهاد دهنده خبر با ساختار دو مرحله ارائه شده است. در مرحله اول با توجه به مکان کاربران، خبرها اولویت‌دهی می‌شوند و مرحله دوم با در نظر گرفتن خصوصیاتی همچون اولویت مکانی، تازگی ، اعتبار منبع خبر ، اولویت گروهی و محبوبیت، خبرها پیشنهاد داده می‌شوند. برای کاهش ابهامات این خصوصیات از دو سیستم در منطق فازی شامل استنتاج فازی ممدانی و تصمیم گیری مبتنی بر مورد استفاده شده است. در سیستم استنتاج فازی ممدانی سعی شده است با بهینه سازی در انتخاب قوانین و توابع عضویت سرعت سیستم بهبود داده ‌شود و همچنین به علت پیاده‌سازی‌ مبهم بازخوردهای کاربران در پیشنهاد دهنده‌های موجود یک سیستم تصمیم گیری بکار رفته شده است تا بتوان رفتار کاربران را بهتر بازنمایی کرد. میزان کارایی دیدگاه ارائه شده در این پژوهش از طریق نتایج آزمایش‌های مختلف بر روی مجموعه خبری نمایش داده شده است. تفاصيل المقالة