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، چکیده کامل
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.
پرونده مقاله
افزایش حجم اطلاعات در وب، انگیزة اصلی ایجاد سیستمهای پیشنهاددهنده است. چنین سیستمهایی کاربران را درحالی که بافضای اطلاعاتی بزرگی در ارتباط هستند پشتیبانی کرده و آنها را به سمت اطلاعات مورد نیازشان هدایت می کند . سیستم هایپیشنهاد دهنده با مشکلاتی از قبیل کاربر جدید و پرا چکیده کامل
افزایش حجم اطلاعات در وب، انگیزة اصلی ایجاد سیستمهای پیشنهاددهنده است. چنین سیستمهایی کاربران را درحالی که بافضای اطلاعاتی بزرگی در ارتباط هستند پشتیبانی کرده و آنها را به سمت اطلاعات مورد نیازشان هدایت می کند . سیستم هایپیشنهاد دهنده با مشکلاتی از قبیل کاربر جدید و پراکندگی دادهها مواجه هستند . همچنین این سیستم ها کمتر به دانش حوز ةمعرفی میشود که علاوه بر در OntoTimes کاربردی و آنتولوژی سایت توجه میکنند. در این مقاله سیستم پیشنهاد دهندهای به نامنظرگرفتن روابط معنایی برچسبهای منتسب شده توسط کاربران با آنتولوژی سایت، علایق زمانی کاربران را نیز در ارائهبه دلیل توجه به فاکتور OntoTimes پیشنهادات در نظر میگیرد. ارزیابیهای انجام شده نشان میدهد که سیستم پیشنهاد دهندهزمان، نسبت به سیستمی که فقط مبتنی بر آنتولوژی است به دقت بهتری، به مقدار 47 % در مقابل 37 % رسیده است.
پرونده مقاله
