دانلود مقاله و خرید ترجمه:رویکرد خوشه‌بندی زمانی برای سیستم‌های توصیه‌گر اجتماعی - 2018
بلافاصله پس از پرداخت دانلود کنید
مقالات ترجمه شده سیستم های توصیه گر ( recommender systems )
  • A Temporal Clustering Approach for Social Recommender Systems رویکرد خوشه‌بندی زمانی برای سیستم‌های توصیه‌گر اجتماعی

    سال انتشار:

    2018


    ترجمه فارسی عنوان مقاله:

    رویکرد خوشه‌بندی زمانی برای سیستم‌های توصیه‌گر اجتماعی


    عنوان انگلیسی مقاله:

    A Temporal Clustering Approach for Social Recommender Systems


    منبع:

    2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM)


    نویسنده:

    Sajad Ahmadian, Nima Joorabloo, Mahdi Jalili


    چکیده انگلیسی:

    Recommender systems aim to suggest relevant items to users among a large number of available items. They have been successfully applied in various industries, such as ecommerce, education and digital health. On the other hand, clustering approaches can help the recommender systems to group users into appropriate clusters, which are considered as neighborhoods in prediction process. Although it is a fact that preferences of users vary over time, traditional clustering approaches fail to consider this important factor. To address this problem, a social recommender system is proposed in this paper, which is based on a temporal clustering approach. Specifically, the temporal information of ratings provided by users on items and also social information among the users are considered in the proposed method. Experimental results on a benchmark dataset show that the quality of recommendations based on the proposed method is significantly higher than the state-of-the-art methods in terms of both accuracy and coverage metrics.
    Keywords: recommender system | clustering | temporal | social information | graph


    چکیده فارسی:

    هدف سیستم های توصیه گر این است که از بین تعداد زیادی از موارد موجود ، موارد مرتبط را به کاربران پیشنهاد دهند. این سیستم ها با موفقیت در صنایع مختلف مانند تجارت الکترونیک ، آموزش و بهداشت دیجیتال استفاده شده اند. از طرف دیگر ، رویکردهای خوشه بندی می تواند به سیستم های توصیه گر کمک کند تا کاربران را در خوشه های مناسب ، که به عنوان محله های فرایند پیش بینی در نظر گرفته شده اند ، گروه بندی کند. اگرچه این یک واقعیت است که ترجیحات کاربران در طول زمان متفاوت است ، اما رویکردهای خوشه بندی سنتی با نظر گرفتن این عوامل مهم موفق نیستند. برای رفع این مشکل ، یک سیستم توصیه اجتماعی در این مقاله ارائه شده است که مبتنی بر یک رویکرد خوشه بندی زمانی است. به طور خاص ، اطلاعات زمانی رتبه بندی ارائه شده توسط کاربران بر روی موارد و همچنین اطلاعات اجتماعی در بین کاربران در روش پیشنهادی در نظر گرفته شده است. نتایج تجربی در یک مجموعه داده معیار نشان می دهد که کیفیت توصیه ها بر اساس روش پیشنهادی از نظر دقت و اندازه گیری پوشش به طور قابل توجهی بالاتر از روش های پیشرفته است.
    کلمات کلیدی: سیستم توصیه گر | خوشه بندی | زمانی | اطلاعات اجتماعی | گراف


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 6
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 19

    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: 360 کیلوبایت


    قیمت: 31250 تومان    25000 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
logo-samandehi