یک معیار شباهت نوین پالایش مشارکتی در سامانه های توصیه گر


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
1 بازدید
۶۹,۷۰۰ تومان
خرید

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

 یک معیار شباهت نوین پالایش مشارکتی در سامانه های توصیه گر دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد یک معیار شباهت نوین پالایش مشارکتی در سامانه های توصیه گر  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 یک معیار شباهت نوین پالایش مشارکتی در سامانه های توصیه گر،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن یک معیار شباهت نوین پالایش مشارکتی در سامانه های توصیه گر :

تعداد صفحات :۹

چکیده مقاله:

سامانه های توصیه گر به عنوان بخش مهم اینترنت، به سه دسته پالایش اطلاعات جمعیت شناختی، مبتنی بر محتوا و مشارکتی تقسیم می گردند. پالایش مشارکتی مبتنی بر همسایگان به عنوان مهم ترین کلاس های پالایش مشارکتی، کاربرد گسترده ای در حوزه تجاری را داراست. کلید این رویکرد در یافتن کاربران (کالا ها) مشابه براساس ماتریس امتیازات کاربر-کالا بوده تا بتواند توصیه های مناسبی را برای کاربران فراهم نماید. اکثر رویکردهای سامانه های توصیه گر براساس الگوریتم های شباهت مانند کسینوس، ضریب همبستگی پیرسون و … می باشد که تنها از کالا های دارای امتیاز مشترک مابین کاربران به منظور محاسبه شباهت میان دو کاربر استفاده می نمایند. از همین رو این معیارها مناسب ماتریس امتیازات پراکنده نمی باشند. در این مقاله به منظور محاسبه شباهت، معیار مشابهت جدیدی را براساس همسایگان کاربران ارایه داده ایم تا عملکرد توصیه ها را زمانی که تعداد امتیازات کمی در دسترس باشد، نیز بهبود بخشد. ازاین رو از رویکرد احتمالاتی برای مدل سازی معیار مشابهت پیشنهادی میان دو کاربر استفاده کرده ایم. به منظور بیان اثربخشی معیار پیشنهادی، عملکرد معیارهای مشابهت سنتی و بروز را با معیار مشابهت پیشنهادی مقایسه کرده ایم. نتایج توصیه های صورت گرفته براساس معیارهای ارزیابی مختلف نشان دهنده این است که معیار مشابهت پیشنهادی عملکرد بهتری در مقایسه با دیگر معیارهای مشابهت در داده های پراکنده را داراست.

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