مقالات مختلف در زمینه سیستم های توصیه گر

[Astaraki]

مقالات مختلف در زمینه سیستم های توصیه گر یا پیشنهاد دهنده
(Recommender system)

[Astaraki]

افزايش كارايي سيستم هاي تجارت الكترونيك با استفاده از سيستم هاي توصيه گر
:105:

خلاصه مقاله:
سيستم هاي توصيه گر براي حل مشكل سربار اطلاعاتي در اينترنت به وجود آمده اند و امروزه از ابزار مهم تجارت الكترونيك به شمار مي روند.اين سيستم ها با ايجاد پيشنهادات مناسب براي خريد , باعث فروش بيشتر و جلب رضايت شمتري از خريد اينترنتي مي شوند.يك سيستم توصيه گر در يك فروشگاه الكترونيك مي تواند نقش يك فروشنده ي ماهر را داشته باشد و باعث رونق گرفتن بازار خريد شود.اين مقاله مروري بر سيستم هاي توصيه گر و انواع الگوريتم هاي آن دارد و مقايسه اي بين روش هاي متفاوت پياده سازي سيستم هاي توصيه گر انجام مي دهد , مزايا و معايب هر روش را در اين مقايسه بيان مي كند.

كلمات كليدي:

سيستم توصيه گر , تجارت الكترونيك , في لترينگ مبتني بر محتوا , في لترينگ همكار گونه.

توجه: پسورد فایل فشرده شده: artificial.ir

[Astaraki]

طراحی یک سیستم توصیه‏گر ترکیبی معنایی با استفاده از تکنیک‏های پردازش زبان طبیعی فارسی

چکیده: با افزایش سریع اطلاعات، به سیستمی توصیه‏گر که با دادن پیشنهادات مناسب با علایق یک کاربر بر اساس پیشینه ی عملکرد او، وی را از صرف وقت در مرور تمام آیتم‏ها باز دارد، به شدت احساس نیاز می‌شود. سیستم توصیه‏گر با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسب‏ترین اقلام به وی می‏نماید. حوزه ی مفاهیم موجود در بسیاری از سیستم‏های توصیه‏گر فعلی، محدود به دانش موجود در خود سیستم بوده و از منابع عظیم دانش خارج از سیستم، مانند وب معنایی و داده‏های پیوندی استفاده نمی‏شود. در این مقاله سیستم توصیه‏گر ترکیبی‏ای معرفی شده است که از مفاهیم و روابط موجود بین آنها در پایگاه‏های خارج از خود استفاده می‏کند. در نتیجه یکی از قسمت‏های اصلی سیستم پیشنهادی، استخراج مفاهیم از آیتم‏ها و رفتار کاربران می‏باشد؛ که این کار با تکنیک‏های پردازش زبان طبیعی مانند ریشه‏یابی کلمات کلیدی آیتم‏ها میسّر می‏باشد. همچنین در سیستم پیشنهادی از نگاشت معنایی ریشه‏های بدست آمده، به شبکه واژگان فردوس‏نت استفاده شده است. با این‏کار به دلیل گسترش معنایی مجموعه کلمات کلیدی و ویژگی‏های آیتم‏ها، صحت توصیه‏ها افزایش خواهد یافت. در پایان نیز با استفاده از حدود 81 هزار کتاب دسته‏بندی شده استخراجی از سایت Acm و میلیو‏ن‏ها نرخی که هزاران کاربر به یک میلیون مقاله/کتاب موجود در مجموعه داده Epinions داده‏اند، نشان داده خواهد شد که مشکل "شروع آهسته" تا حد زیادی قابل حل می‏باشد.

توجه: پسورد فایل فشرده شده: artificial.ir

[Astaraki]

کاربرد سیستمهای توصیه گر در تجارت الکترونیک

[Astaraki]

شخصي سازي محيط يادگيري الكترونيكي به كمك توصيه گر فازي مبتني برتلفيق سبك يادگيري و سبك شناختي

[Astaraki]

ارزيابي و دسته بندي روش ها ي ايجاد سيستم هاي پيشنهاد دهنده شخصي سازي شده

خلاصه مقاله:
امروزه علاقه مندي بسياري به حوزه ي سيستم هاي پيشنهاد دهنده در سازمان ها و محافل علمي وجود دارد. اين سيستم ها در حوزه هاي كاربردي مختلف جهت حمايت از كاربران در تصميم گيري، كمك به آن ها در مدريت حجم انبوه اطلاعات و فراهم كردن شكل هوشمندي از دسترسي به اطلاعات قابل استفاده هستند. اما به دليل نوظهور بودن اين مسئله، كمبود دسته بندي مشخص در رابطه با روش هاي پياده سازي سيستم هاي پيشنهاد دهنده در منابع پژوهشي احساس مي شود. در همين راستا در اين مقاله قصد داريم به تعريف و بررسي ايده ها و مفاهيم پايه اي سيستم هاي پيشنهاد دهنده، ارائه ي دسته بندي جامعي از روش هاي توليد پيشنهاد، بررسي هر يك از اين روش ها و همچنين نقاط قوت و ضعت روش ها بپردازيم.

كلمات كليدي:

سيستم هاي پيشنهاد دهنده، پالايش مشاركتي، پالايش محتوايي، پالايش مبتني بر داده هاي شخصي، پالايش مبتني بر دانش.

[Astaraki]

استفاده موثر از سیستم های توصیه گر جهت ارائه ی توصیه های شخصی سازی شده

[Astaraki]

نقش سیستم های پیشنهاد دهنده و روشهای استفاده از آنها در فروشگاه های الکترونیکی

[Astaraki]

ارائه روشی جهت بهبود صحت سیستم های پیشنهاد دهنده در شبکه های اجتماعی با استفاده از استخراج انجمن ها

[Astaraki]

بررسی و تحلیل فاکتورهای اساسی در طراحی سیستم های پیشنهاد دهنده