فهرست مقالات Intelligent agents

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - توسعه یک سیستم توصیه‌کننده چند عاملی برای دستیاران خرید هوشمند
  رمضان تیموری یانسری مجتبی آجودانی
  با توجه به حجم فزاینده اطلاعات و خدمات موجود در وب، ارائه ابزارهایی مانند سیستم‌های توصیه‌کننده به وب‌سایت‌ها و برنامه‌های کاربردی که می‌توانند به کاربران در دستیابی به اطلاعات و خدمات متناسب با علایقشان کمک کنند، ضروری است. به همین دلیل، ارائه راهنمایی و پیشنهاد مناسب چکیده کامل

  با توجه به حجم فزاینده اطلاعات و خدمات موجود در وب، ارائه ابزارهایی مانند سیستم‌های توصیه‌کننده به وب‌سایت‌ها و برنامه‌های کاربردی که می‌توانند به کاربران در دستیابی به اطلاعات و خدمات متناسب با علایقشان کمک کنند، ضروری است. به همین دلیل، ارائه راهنمایی و پیشنهاد مناسب به کاربران در انتخاب‌های مختلف، مطابق با اولویت‌های کاربر در حوزه‌های مختلف جایگاه خاصی پیدا کرده است. سامانه‌های توصیه‌ کننده سیستم‌های اطلاعاتی هستند که با مدل‌سازی رفتار کاربران در محیط‌های عملیاتی در رتبه‌بندی، مقایسه، انتخاب و ترجیحات اقلام کاربران، با محدود کردن فضای جستجوی از طریق توصیه‌های با دقت و کیفیت بالا، در فرآیند تصمیم‌گیری کمک می‌کنند. در این پژوهش سیستم‌ توصیه کننده چند عاملی پیشنهاد شد که بتواند به عنوان دستیار خرید در فرآیند خرید توصیه-های مناسبی ارائه دهد. برای تحلیل مدل پیشنهادی مجموعه داده فروش یک فروشگاه مستقر در بریتانیا شامل 1067371 رکورد از داده-های فروش آنلاین، مورد استفاده قرار گرفته است. با شبیه سازی مدل پیشنهادی نتایج حاصل از به کارگیری مدل بر روی داده‌های مربوط به مشتریان مورد تجزیه و تحلیل قرار گرفت. نتایج به کارگیری مدل پیشنهادی نشان داد، مدل پیشنهادی در ارزیابی پارامترهای مورد استفاده در مقایسه با روش‌های رایج در این حوزه دارایی کارایی مناسبی می‌باشد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - Design an Intelligent Multi-agent Computer-aided System for Recommender Systems
  Ramazan Teimouri Yansari Mojtaba Ajoudani Seyed Reza Mosayyebi
  Abstract – Due to the increasing amount of information and services available on the web, it is necessary to provide tools such as recommender systems to websites and applications that can help users find information and services that suit their interests. For thi چکیده کامل

  Abstract – Due to the increasing amount of information and services available on the web, it is necessary to provide tools such as recommender systems to websites and applications that can help users find information and services that suit their interests. For this reason, providing appropriate guidance and suggestions to users in different choices, according to the user's priorities, has found a special position in different fields. Recommender systems are information systems that help in the decision-making process by modeling the behavior of users in operational environments in ranking, comparing, selecting and preferring user items, by limiting the search space through high-quality and accurate recommendations. In this research, a multi-agent recommender system was proposed that can provide suitable recommendations as a shopping assistant in the purchasing process. To analyze the proposed model, the sales dataset of an online store including 1067371 records of online sales data has been used. According to the results, in this evaluation, the accuracy of the proposed model was 91.5% on average. By combining multi-agent systems, multi-agent recommender systems were proposed that can provide suitable recommendations as a purchasing assistant in the purchasing process. The results of applying the proposed model on the data related to the purchase history of the customers of an online shopping showed that the proposed model has a good efficiency in evaluating the parameters used in comparison with the common methods in this property field. پرونده مقاله