دانلود فایل با شمار فاکتور
لطفا شماره فاکتور خود را درج نمایید
جدیدترین لغات واژه‌نامه
کشورهای شمال اروپا
آتش سوزی های جنگلی
دوسویه
نادیده گرفتن، دست انداخ
اجتناب ناپذیر، بی شفقت،
آمار بازدیدکنندگان
بازدید امروز :38
بازدید روز گذشته :51
بازدید این هفته :89
بازدید این ماه :130
مجموع آمار بازدید ها :799755
بازدید روز گذشته :51
بازدید این هفته :89
بازدید این ماه :130
مجموع آمار بازدید ها :799755
عنوان محصول: یک راهکار مبتنی بر خوشه‌بندی برای بهبود کارایی توصیه فیلترینگ مشترک
|
توضیحات مختصر:
در سیستم‌های توصیه گر فیلترینگ مشترک، محصولات به‌صورت یک سری ویژگی‌هایی در نظر گرفته می‌شوند و کاربران آن را برای ارائه رتبه‌بندی به محصولاتی که خریده‌اند، درخواست می‌کنند. با یادگیری از رتبه‌بندی، چنین سیستم‌های توصیه¬گری می‌توانند محصولات دل‌چسبی را به کاربران توصیه نمایند. بااین‌حال تعداد محصولات...
|
| یک راهکار مبتنی بر خوشه‌بندی برای بهبود کارایی توصیه فیلترینگ مشترک |
قیمت : 39000 تومان
تخفیف: 2500 تومان
تخفیف ویژه : 10 درصد
قیمت نهایی: 32600 تومان
594 بازدید
کد مقاله: TTC-
3361
نوع فایل : docx
خرید و دانلود
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Abstract
In collaborative filtering recommender systems, products are regarded as features and
users are requested to provide ratings to the products they have purchased. By learning
from the ratings, such a recommender system can recommend interesting products
to users. However, there are usually quite a lot of products involved in E-commerce
and it would be very inefficient if every product needs to be considered before making
recommendations. We propose a novel approach which applies a self-constructing
clustering algorithm to reduce the dimensionality related to the number of products.
Similar products are grouped in the same cluster and dissimilar products are dispatched
in different clusters. Recommendation work is then done with the resulting clusters.
Finally, re-transformation is performed and a ranked list of recommended products is
offered to each user. With the proposed approach, the processing time for making recommendations
is much reduced. Experimental results show that the efficiency of the
recommender system can be greatly improved without compromising the recommendation
quality.
چکیده
در سیستم‌های توصیه گر فیلترینگ مشترک، محصولات به‌صورت یک سری ویژگی‌هایی در نظر گرفته می‌شوند و کاربران آن را برای ارائه رتبه‌بندی به محصولاتی که خریده‌اند، درخواست می‌کنند. با یادگیری از رتبه‌بندی، چنین سیستم‌های توصیه¬گری می‌توانند محصولات دل‌چسبی را به کاربران توصیه نمایند. بااین‌حال تعداد محصولاتی که با تجارت الکترونیکی سروکار دارند، بسیار زیاد هستند. ازاین‌رو بهتر است تمامی محصولات موردنیاز قبل از ایجاد توصیه‌هایی به‌طور کامل در نظر گرفته شوند. در این مقاله ما یک راهکار جدید را پیشنهاد می‌دهیم که از الگوریتم خوشه‌بندی خود سازمانده برای کاهش ابعاد مرتبط با محصولات استفاده می‌کند. محصولات مشابه در یک خوشه دسته‌بندی‌شده و محصولات غیرمشابه در خوشه‌های مختلفی قرار می‌گیرند. و پس‌ازآن، کار توصیه با استفاده از نتایج خوشه‌بندی‌ها انجام می‌شود. درنهایت تبدیل مجدد استفاده می‌شود و لیست رتبه‌بندی شده برای محصولات توصیه‌شده به هر کاربر پیشنهاد می‌شود. با استفاده از روش پیشنهادی، زمان پردازش برای ایجاد توصیه‌های بسیار کم می‌شود. نتایج آزمایشات نشان می‌دهند که کارایی سیستم توصیه گر پیشنهادی می‌تواند بدون کاهش کیفیت توصیه‌ها افزایش چشمگیری داشته باشد.
تعداد صفحات انگلیسی:
تعداد صفحات فـارسـی:
- آدرس: تبریز، آبرسان، مهرگان چهارم
- تلفن تماس: 09016347107
- تلفن ثابت : 35250068-041
- Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس ایمیل
- @zoodyab :آدرس تلگرام
مرکز تخصصی تلاش ترجمه از سال 1385 شروع به کار نموده است و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام شده است.
تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.