سال انتشار:

2018

---

ترجمه فارسی عنوان مقاله:

بهبود دقت توصیه گر اجتماعی- آگاهانه از طریق شخصیت (هویت)

---

عنوان انگلیسی مقاله:

Improving Socially-Aware Recommendation Accuracy Through Personality

---

منبع:

IEEE Transactions on Affective Computing (Volume: 9 , Issue: 3 , July-Sept: 1 2018 )

---

نویسنده:

Nana Yaw Asabere, Amevi Acakpovi, and Mathias Bennet Michael

---

چکیده انگلیسی:

In order to innovatively solve cold-start problems, research involving trust and socially aware recommender systems is currently proliferating. The relative importance of academic conferences has led to the necessity of recommender systems that seek to generate recommendations for conference attendees. In this paper, we aim to improve the recommendation accuracy of sociallyaware recommender systems by proposing a linear hybrid recommender algorithm called Personality and Socially-Aware Recommender (PerSAR). PerSAR hybridizes the social and personality behaviours of smart conference attendees. Our recommendation methodology mainly aims to employ an algorithmic framework that computes the personality similarities and tie strengths of conference attendees so that recommendations can be generated for them using a relevant dataset. The experimental results substantiate that our proposed recommendation method is favorable and outperforms other related and contemporary recommendation methods and techniques.
Index Terms: Cold-Start | hybrid | personality | recommender systems | social ties

---

چکیده فارسی:

به منظور حل مشکلات استارت سرد، تحقیقات شامل اعتماد و سیستم‌های توصیه‌گر آگاه از لحاظ اجتماعی در حال افزایش هستند. اهمیت نسبی کنفرانس‌های علمی به ضرورت سیستم‌های توصیه‌گر منجر شده ‌است که به دنبال ارایه توصیه‌هایی برای شرکت کنندگان در کنفرانس باشند. در این مقاله، هدف ما بهبود دقت توصیه سیستم‌های توصیه‌گر از لحاظ اجتماعی با پیشنهاد یک الگوریتم پیشنهاد دهنده ترکیبی خطی به نام شخصیت و توصیه گر آگاهی- اجتماعی (PerSAR) می‌باشد. PerSAR رفتارهای اجتماعی و شخصیت شرکت کنندگان در کنفرانس هوشمند را تایید می‌کند. روش پیشنهادی ما عمدتا به دنبال بکارگیری یک چارچوب الگوریتمی است که تشابهات شخصیت و نقاط قوت شرکت کنندگان کنفرانس را محاسبه می‌کند به گونه‌ای که توصیه‌ها را می توان برای آن‌ها با استفاده از مجموعه داده‌های مرتبط تولید نمود. نتایج تجربی اثبات می‌کند که روش پیشنهادی ما مطلوب بوده و نسبت به دیگر روش‌ها و تکنیک‌های پیشنهادی امروزی بهتر عمل می‌کند.
فهرست اصطلاحات: شروع سرد | ترکیبی (هیبردی) | شخصیت | سیستم های پیشنهاد دهنده (توصیه گر) | روابط اجتماعی

---

---

---

---

حجم فایل: 558 کیلوبایت

---

قیمت: 54600 تومان    43680 تومان (20 % تخفیف)

---

توضیحات اضافی:

---

---

---