دانلود و نمایش مقالات مرتبط با سیستم پیشنهادی::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - سیستم پیشنهادی

تعداد مقالات یافته شده: 27
ردیف عنوان نوع
1 A social-semantic recommender system for advertisements
یک سیستم پیشنهادی اجتماعی معنایی برای تبلیغات-2020
Social applications foster the involvement of end users in Web content creation, as a result of which a new source of vast amounts of data about users and their likes and dislikes has become available. Having access to users’ contributions to social sites and gaining insights into the consumers’ needs is of the utmost importance for marketing decision making in general, and to advertisement recommendation in particular. By analyzing this information, advertisement recommendation systems can attain a better understanding of the users’ interests and preferences, thus allowing these solutions to provide more precise ad suggestions. However, in addition to the already complex challenges that hamper the performance of recommender systems (i.e., data sparsity, cold-start, diversity, accuracy and scalability), new issues that should be considered have also emerged from the need to deal with heterogeneous data gathered from disparate sources. The technologies surrounding Linked Data and the Semantic Web have proved effective for knowledge management and data integration. In this work, an ontology-based advertisement recommendation system that leverages the data produced by users in social networking sites is proposed, and this approach is substantiated by a shared ontology model with which to represent both users’ profiles and the content of advertisements. Both users and advertisement are represented by means of vectors generated using natural language processing techniques, which collect ontological entities from textual content. The ad recommender framework has been extensively validated in a simulated environment, obtaining an aggregated f-measure of 79.2% and a Mean Average Precision at 3 (MAP@3) of 85.6%.
Keywords:Knowledge-based systems | Recommender systems | Natural language processing | Advertising | Social network services
مقاله انگلیسی
2 Context-aware recommender systems using hierarchical hidden Markov model
سیستم های توصیه گر آگاه از زمینه با استفاده از مدل مارکوف مخفی سلسله مراتبی-2019
Recommender systems often generate recommendations based on user’s prior preferences. Users’ preferences may change over time due to user mode change or context change, identification of such a change is important for generating personalized recommendations. Many earlier methods have been developed under the assumption that each user has a fixed pattern. Regardless of these changes, the recommendation may not match the user’s personal preference and this recommendation will not be useful to the user based on the current context of the user. Context-aware recommender systems deal with this problem by utilizing contextual information that affects user preferences and states. Using contextual information is challenging because it is not always possible to obtain all the contextual information. Also, adding various types of contexts to recommender systems increases its dimensionality and sparsity. This paper presents a novel hierarchical hidden Markov model to identify changes in user’s preferences over time by modeling the latent context of users. Using the user-selected items, the proposed method models the user as a hidden Markov process and considers the current context of the user as a hidden variable. The latent contexts are automatically learned for each user utilizing hidden Markov model on the data collected from the user’s feedback sequences. The results of the experiments, on the benchmark data sets, show that the proposed model has a better performance compared to other methods.
Keywords: Context-aware recommender system | Hidden Markov model | Latent context | Recommender systems
مقاله انگلیسی
3 MoodleREC: A recommendation system for creating courses using the moodle e-learning platform
MoodleREC: یک سیستم پیشنهادی برای ایجاد دوره ها با استفاده از بستر یادگیری الکترونیکی moodle-2019
The field of education has never been indifferent to the new technologies, and eventually to the Internet. Technology-Enhanced Learning, progressively, has grown to be the area for research and practice on the application of information and communication technologies to teaching and learning. In particular for the teaching activity, the numerous standard compliant Learning Object Repositories available via the Internet, and Open Educational Resources repositories, provide formidable support to teachers when they need to develop a course that can also make use of already available learning materials. The search and selection of Learning Objects, however, can be an inherently complex operation involving accessing various repositories, each potentially involving different software tools, and different organization and specification formats for the learning resources. This complexity may hinder the very success of an e-learning course. Cross-repository aggregators, i.e., systems that can roam through different repositories to satisfy the user’s/teacher’s query, can help to reduce such complexity, although problems of course delivery may remain. This paper proposes a hybrid recommender system, MoodleRec, implemented as a plug-in of the Moodle Learning Management System. MoodleRec can sort through a set of supported standard compliant Learning Object Repositories, and suggest a ranked list of Learning Objects following a simple keyword-based query. The various recommendation strategies operate on two levels. First, a ranked list of Learning Objects is created, ordered by their correspondence to the query, and by their quality, as indicated by the repository of origin. Social generated features are then used to show the teacher how the Learning Objects listed have been exploited in other courses. A real life experimental study is also presented, and the validity of the MoodleRec approach discussed.
Keywords: Recommender systems | E-learning | Learning object | Learning object repository
مقاله انگلیسی
4 Efficient clustering in collaborative filtering recommender system: Hybrid method based on genetic algorithm and gravitational emulation local search algorithm
خوشه بندی کارآمد در سیستم پیشنهادی فیلتر فیلتر: روش ترکیبی مبتنی بر الگوریتم ژنتیکی و الگوریتم جستجوی محلی شبیه سازی گرانشی-2019
The ultimate goal of the Recommender System (RS) is to offer a proposal that is very close to the users real opinion. Data clustering can be effective in increasing the accuracy of production proposals by the RS. In this paper, single-objective hybrid evolutionary approach is proposed for clustering items in the offline collaborative filtering RS. This method, after generating a population of randomized solutions, at each iteration, improves the population of solutions first by Genetic Algorithm (GA) and then by using the Gravitational Emulation Local Search (GELS) algorithm. Simulation results on standard datasets indicate that although the proposed hybrid meta-heuristic algorithm requires a relatively high run time, it can lead to more appropriate clustering of existing data and thus improvement of the Mean Absolute Error (MAE), Root Mean Square Error (RMSE) and Coverage criteria.
Keywords: Recommender system | Collaborative filtering | Clustering | Genetic algorithm | Gravitational emulation local search algorithm
مقاله انگلیسی
5 Artificial intelligence for decision making in the era of Big Data – evolution, challenges and research agenda
هوش مصنوعی برای تصمیم گیری در عصر داده های بزرگ - تکامل ، چالش ها و دستور کار تحقیق-2019
Artificial intelligence (AI) has been in existence for over six decades and has experienced AI winters and springs. The rise of super computing power and Big Data technologies appear to have empowered AI in recent years. The new generation of AI is rapidly expanding and has again become an attractive topic for research. This paper aims to identify the challenges associated with the use and impact of revitalised AI based systems for decision making and offer a set of research propositions for information systems (IS) researchers. The paper first provides a view of the history of AI through the relevant papers published in the International Journal of Information Management (IJIM). It then discusses AI for decision making in general and the specific issues regarding the interaction and integration of AI to support or replace human decision makers in particular. To advance research on the use of AI for decision making in the era of Big Data, the paper offers twelve research propositions for IS researchers in terms of conceptual and theoretical development, AI technology-human interaction, and AI implementation.
Keywords: Artificial intelligence | AI | Big data | Cognitive computing | Decision making | Expert system | Machine learning | Recommender system | Research agenda
مقاله انگلیسی
6 An intelligent recommender system using social trust path for recommendations in web-based social networks
یک سیستم پیشنهادی هوشمند با استفاده از مسیر اعتماد اجتماعی برای توصیه در شبکه های اجتماعی مبتنی بر وب-2019
In this paper, we combine a social regularization approach that incorporates social network information to benefit recommender systems with the trust information between users. Both trust and rating records (tags) are employed to predict the missing values (tags) in the user-item matrix. Especially, we use an algorithm for best recommended trust path selection, to identify multiple recommended trust paths and to determine an aggregate path for generating different final recommendations. Empirical analyses on real datasets show that the combination of social information and trust achieves superior performance to existing approaches.
Keywords: Collaborative filtering | Big data | recommender system| Social network | Trust
مقاله انگلیسی
7 The state-of-the-art in expert recommendation systems
پیشرفته ترین سیستم های توصیه های خبره-2019
The recent rapid growth of the Internet content has led to building recommendation systems that guide users to their needs through an information retrieving process. An expert recommendation system is an emerging area that attempts to detect the most knowledgeable people in some specific topics. This detection is based on both the extracted information from peoples’ activities and the content of the documents concerned with them. Moreover, an expert recommendation system takes a user topic or query and then provides a list of people sorted by the degree of their relevant expertise with the given topic or query. These systems can be modeled by information retrieval approaches, along with search engines or a combination of natural language processing systems. The following study provides a critical overview of existing expert recommendation systems and their advantages and disadvantages, considering as well different techniques employed by them.
Keywords: Expert finding system | Recommendation system | Information retrieval | Expertise
مقاله انگلیسی
8 تجزیه و تحلیل ذینفعان در محیط های یادگیری در زمینه سیستم های پیشنهادی رضایت بخش
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 17
این مقاله گزارشی درباره¬ی آنالیز 360 درجه ذینفعان است که به منظور مطالعه و طراحی یک سیستم پیشنهاد دهنده آموزشی در موسسه مدیریت علوم، پیشاور، پاکستان اجرا شده است. در این پژوهش اولویت های 300 دانشجو، 50 استاد و کتابدار در رابطه با سیستم های پیشنهاد دهنده آموزشی درون مؤسسه جمع آوری شد. تفاوت سیستم های پیشنهادی مورد مطالعه ما را بر این داشت که سیستم پیشنهادی ای را ارائه دهیم که کاربر قادر به کنترل نتایج سیستم پیشنهادی باشد تا دقت رضایتبخش حاصل شود. بدین منظور ، قصد داریم که دانشجویان را توانمند ساخته تا آنها با توجه به نیازهای مربوطه خود، قادر به تعامل و کنترل توصیه های ارائه شده باشند. برای درک نیازهای کاربر کنترل ذینفعان، جنبه های کنترل کاربر را برای سیستم پیشنهادی درخواست کردیم. و دریافتیم که نیازهای زیادی در بین سه گروه ذینفع، برای کنترل کاربر بر سیستم های پیشنهادی وجود دارد.
کليدواژه: سيستم هاي پيشنهادي | تحليل ذینفعان | رضایت بخش | كنترل كاربر
مقاله ترجمه شده
9 کنترل کاربر و توصیه های موفقیت در محیط های یادگیری
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 16
این مقاله به مطالعه¬ی موفقیت توصیه شده با استفاده از سیستم های پیشنهاد دهنده در محیط های آموزشی می پردازد. سیستم پیشنهادی به منظور بررسی بیان موفقیت دلخواه و دقت در توصیه¬¬ی دانش آموزان، لغزش از موفقیت را ارائه می دهد. توصیه گر از پردازش تصادفی سطح ارتباطات لیست توصیه ها استفاده می کند. افزایش موفقیت در تغییر نمره/ارزش دقت توصیه شوندگان موثر است. این مسئله توسط گسترش سیستم پیشنهاد دهنده مواد و روشهای مطالعه و بر اساس تکنیک های فیلترینگ مشترک مورد آزمایش قرار گرفت. سیستم پیشنهادی توسط 60 دانش آموز در یک نشست گروهی متمرکز مورد استفاده قرار گرفت. در نتیجه، تحقیقات نشان می دهد که توصیه های موفقیت می تواند با استفاده از توصیه های کنترل شده توسط کاربر در محیط یادگیری بایگانی و قابل دسترس شود.
کلمات کلیدی: تعامل کاربر | نعمت غیر مترقبه | سیستم توصیه شده
مقاله ترجمه شده
10 کنترل ولتاژ AC و توان راکتیو سیستم LCC HVDC با خازن های کنترل پذیر
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 45
کاملاً مشخص است که سیستم LCC HVDC سنتی توانایی کنترل توان راکتیو خود و ولتاژهای AC ترمینال ها را ندارد. این مقاله به بررسی کنترل ولتاژ AC و توان راکتیو در سمت اینورتر سیستم LCC HVDC با خازن های کنترل پذیر می پردازد. توانایی سیستم در عملکرد تحت زاویه ی خاموشی منفی برای دستیابی به گستره ی وسیعی از کنترل توان راکتیو، و بطور خاص، توانایی تحویل دادن توان راکتیو مورد استفاده قرار می گیرد. در ارتباط با ولتاژ ترمینال AC اینورتر یا کنترل توان راکتیو، و برخی دیگر از قابلیت-های کنترلی سمت یکسوساز، کنترل توان اکتیو، مطلوب است، زیرا تغییرات شدید انتقال توان اکتیو بسیار نامطلوب است. نخست، تحلیل نظری دقیق انجام می گیرد تا کنترل پذیری توان راکتیو را نشان دهیم، و سطح ولتاژ خازنی براساس گستره ی کنترلی مطلوب انتخاب می شود. به علاوه، یک روش جدید سنجش زاویه ی خاموشی برای اندازه گیری های زاویه ی خاموشی منفی پیشنهاد می شود. اثربخشی کنترل پذیری توان / ولتاژ راکتیو برای سیستم پیشنهادی از طریق نتایج شبیه سازی با استفاده از شبیه ساز دیجیتال زمان واقعی (RTDS) اعتبارسنجی شد. برای تأیید اثربخشی کنترل ولتاژ و توان راکتیو، CCC HVDC و LCC HVDC با SVC نیز در RTDS ایجاد شدند، و شبیه سازی ها با هم مقایسه شدند. افزون بر این، سهم کنترل ولتاژ AC در سیستم قدرت با استفاده از روش پیشنهادی از طریق نتایج شبیه سازی بر روی سیستم قدرت AC چهار ماشینه ی دو ناحیه ای نشان داده شد.
کلیدواژه: کنترل توان راکتیو | کنترل ولتاژ AC | LCC HVDC | HVDC با خازن کنترل پذیر | انتقال HVDC
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi