با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
دسته بندی:
سیستم های توصیه گر - recommender systems
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
حجم فایل: 1108 کیلوبایت
قیمت: 48750 تومان
توضیحات اضافی:
تعداد نظرات : 0