مقاله الگوریتم خوشهبندی تکاملی در سیستمهای پیشنهاد دهنده مبتنی بر مشخصات فردی و ویژگیهای زمانی


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
1 بازدید
۷۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله الگوریتم خوشهبندی تکاملی در سیستمهای پیشنهاد دهنده مبتنی بر مشخصات فردی و ویژگیهای زمانی دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله الگوریتم خوشهبندی تکاملی در سیستمهای پیشنهاد دهنده مبتنی بر مشخصات فردی و ویژگیهای زمانی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله الگوریتم خوشهبندی تکاملی در سیستمهای پیشنهاد دهنده مبتنی بر مشخصات فردی و ویژگیهای زمانی،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله الگوریتم خوشهبندی تکاملی در سیستمهای پیشنهاد دهنده مبتنی بر مشخصات فردی و ویژگیهای زمانی :

تعداد صفحات:۸
چکیده:
در دهه اخیر، استفاده از اینترنت و وب سرویس، روش استفاده از منابع و برقراری ارتباط در اینترنت را تغییر داده است. اگرچه، این کاربرد، زندگی را از منظرهای مختلف آسان کرده است اما مشکل یافتن اطلاعات مرتبط، همچنان وجود دارد. یک کاربر جدید با مشکل سرریزیاطلاعات مواجه است و جریان پیوسته اطلاعات جدید، مشکل را پیچیدهتر میکند. علاوه براین، با گذر زمان، علاقههای کاربر نیز تغییر میکند.برای حل این مشکل، اغلب از تکنیک داده کاوی استفاده شده است. سیستمهای پیشنهاد دهنده، در یافتن اطلاعات مرتبط روی وب به کاربر کمک میکنند و اغلب مبتنی بر الگوریتمهای داده کاوی میباشند. در این مقاله، با ارائه یک سیستم پیشنهاد دهنده پویاکه تحت تاثیر ویژگی- های فردی افراد است، به حل مسئله تغییر خواستههای کاربر در طی زمان جستجوی اطلاعات، میپردازیم. بدین ترتیب کهعلاوه براثربخشیامتیازدهی کاربران به اقلام مورد نظر، اطلاعات شخصیتی افراد نیز در این سیستم پیشنهاد دهنده، مورد تاثیر قرار میگیرد. الگوریتم خوشهبندی نیز، خوشههای کاربران مشابه را میسازد و با تکامل آنها در هر بازه زمانی، اولویتهای کاربر مربوطه را نشان میدهد. الگوریتم پیشنهادی پس از مقایسه با الگوریتمهای مطرح پیشین، بهبود قابل ملاحظهای در کیفیت پیشنهادات ارائه داده است.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.