افزايش كارايي سيستم هاي تجارت الكترونيك با استفاده از سيستم هاي توصيه گر
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.
طراحی یک سیستم توصیهگر ترکیبی معنایی با استفاده از تکنیکهای پردازش زبان طبیعی فارسی
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.
ارزيابي و دسته بندي روش ها ي ايجاد سيستم هاي پيشنهاد دهنده شخصي سازي شده
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.