دانلود مقاله و خرید ترجمه:تجربه  توصیه های مفید یادگیری در سیستم توصیه شده توسط کاربر - 2018
شب قدر
مقالات ترجمه شده سیستم های توصیه گر ( recommender systems )
  • Visualizing Serendipitous Recommendations in User Controlled Recommender System for Learning تجربه توصیه های مفید یادگیری در سیستم توصیه شده توسط کاربر

    سال انتشار:

    2018


    ترجمه فارسی عنوان مقاله:

    تجربه توصیه های مفید یادگیری در سیستم توصیه شده توسط کاربر


    عنوان انگلیسی مقاله:

    Visualizing Serendipitous Recommendations in User Controlled Recommender System for Learning


    منبع:

    sciencedirect - elsevier - Procedia Computer Science 141 (2018) 496–502


    نویسنده:

    Ahmad Hassan Afridi


    چکیده انگلیسی:

    In this paper, we report on a preliminary study about user preferences for recommender system visualizing serendipitous recommendations . A focus group study of fifty nine users (students) was studied for recording their preferences. The focus group was shown and explained the interaction with six(6) common recommender system visualization techniques. Multivariate analysis and LDA ( Linear Discriminant Analysis) and Clustering were performed to compute various visualization significance against various recommender systems attributes. The results showed there is difference in various types of recommender visualization when presenting/generating recommender results facilitating serendipity. This research enables software engineers and data scientist to design visualizations for recommender systems that focus users that need serendipitous recommendations presentation along with accuracy.
    Keywords: Recommender System | Visualization | Serendipity


    چکیده فارسی:

    در این مقاله، گزارش مطالعات مقدماتی درباره ترجیحات کاربر برای سیستم تجربه توصیه شده در مفید بودن تحصیل ارائه داده شد. مطالعه گروه تمرکز بروی 59 کاربر (دانشجو) برای ثبت ترجیحات آنها مورد مطالعه قرار گرفت. گروه تمرکز و تعامل با شش (6) روش رایج تجربی سیستم توصیه نشان داده و شرح داده شد. آنالیز چند متغیره و LDA (آنالیز اختیاری خطی) و خوشه بندی برای محاسبه اهمیت تجربه مختلف در برابر ویژگی های مختلف توصیه گر اجرا شد. نتایج نشان دهنده وجود اختلاف در انواع مختلف تجربه توصیه گر است و این اختلاف در زمانی است که ارائه / تولید نتایج توصیه گر منجر به امکانات serendipity می شود. این تحقیق مهندسین نرم افزار و دانشمندان داده را قادر به طراحی تجربه برای سیستم های توصیه شده می سازد و تمرکز بر کاربرانی است که نیاز به ارائه توصیه های سريع و دقت دارند.
    کليدواژه: سيستم توصيه گر | تجربه | مفید بودن تحصیل


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 11

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 1108 کیلوبایت


    قیمت: 25000 تومان  20000 تومان(20% تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی