دانلود مقاله و خرید ترجمه:سیستم های توصیه گر سه راهی بر مبنای جنگل های تصادفی - 2016
بلافاصله پس از پرداخت دانلود کنید
مقالات ترجمه شده سیستم های خبره ( expert systems )
  • Three-way recommender systems based on random forestsر سیستم های توصیه گر سه راهی بر مبنای جنگل های تصادفی

    سال انتشار:

    2016


    ترجمه فارسی عنوان مقاله:

    سیستم های توصیه گر سه راهی بر مبنای جنگل های تصادفی


    عنوان انگلیسی مقاله:

    Three-way recommender systems based on random forestsر


    منبع:

    Sciencedirect - Elsevier - Knowledge-Based Systems 91 (2016) 275–286


    نویسنده:

    Heng-Ru Zhang, Fan Min


    چکیده انگلیسی:

    Recommender systems attempt to guide users in decisions related to choosing items based on inferences about their personal opinions. Most existing systems implicitly assume the underlying classification is binary, that is, a candidate item is either recommended or not. Here we propose an alternate framework that integrates three-way decision and random forests to build recommender systems. First, we consider both misclassification cost and teacher cost. The former is paid for wrong recommender behaviors, while the latter is paid to actively consult the user for his or her preferences. With these costs, a three-way decision model is built, and rational settings for positive and negative threshold values α∗ and β∗ are computed. We next construct a random forest to compute the probability P that a user will like an item. Finally, α∗, β∗, and P are used to determine the recommender’s behavior. The performance of the recommender is evaluated on the basis of an average cost. Experimental results on the well-known MovieLens data set show that the (α∗,β∗)-pair determined by three-way decision is optimal not only on the training set, but also on the testing set.
    Keywords: Cost sensitivity | Random forests | Recommender systems | Three-way decision


    چکیده فارسی:

    سیستم های توصیه گر تلاش می کنند کاربران را در تصمیمات مرتبط با انتخاب آیتم های مبتنی بر رابط ها پیرامون نظرات شخصی خود آنها، هدایت کنند. اکثر سیستم های موجود تلویحاً فرض را بر این می گذارند که دسته بندی اساسی به صورت دو دویی است، یعنی یک ایتم کاندید یا تصویه شده، و یا توصیه نشده است. ما در اینجا چارچوبی جایگزین را پیشنهاد می کنیم که تصمیمات سه راهی و جنگل های تصادفی را در هم ادغام کرده تا سیستم های توصیه گر را ایجاد نماید. نخست ما هم هزینه های دسته بندی نادرست و هم هزینه ی آموزش را در نظر می گیریم. مورد اول برای رفتارهای نادرست توصیه گر پرداخت می شود، در حالیکه مورد دوم برای مشاورده دادن فعالانه به کاربر برای اولویت هایش هزینه می شود. با این هزینه ها، یک مدل تصمیم گیری سه راهی ساخته شده و تنظیمات منطقی برای مقادیر آستانه های مثبت و منفی، α* و β* محاسبه می شود.سپس با ساختن جنگل تصادفی یک احتمال را برای P که مطلوب بنظر میرسد را محاسبه میکنیم. در نهایت b* a*, و P برای پیشنهاد یک رفتار تعیین میشوند. گزینه ی پیشنهاد شده براساس یک هزینه ی متوسط ارزیابی میشود. نتایج ازمایش شده روی مجموعه داده های MovieLens (که به خوبی شناخته شده است) نشان میدهد که جفت –( a*,b*) که از طریق مدل سه راهی تعیین شده بودند, نه تنها در مرحله ی اموزش بلکه در مرحله تست نیز بسیار مطلوب و مورد پسند بودند.
    کلمات کلیدی: حساسیت هزینه | جنگل های تصادفی | سیستم های توصیه گر | تصمیم سه راهی


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 47

    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: 702 کیلوبایت


    قیمت: 40000 تومان  32000 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