Skip Navigation Linksلیست مقالات ترجمه شده / مقالات ترجمه شده مهندسی كامپيوتر /

عنوان ترجمه شده مقاله: فشرده سازی سیستم توصیه گر رفتاری از طریق روش های پیشگویی پیوند شبکه های اجتماعی

سیستم های توصیه گر به طور جامعی در شخصی سازی اطلاعات در وب سایت و سیستم های بازیابی استفاده می شوند . Collaborative filtering (CF) ازجمله تکنیک های شناخته شده توصیه گر محسوب می شود .

Abstract

Recommender systems are widely used for personalization of information on the Web and information retrieval systems. collaborative filtering (CF) is the most popular recommendation technique. However, classical CF (CCF) systems use only direct links and common features to model relationships between users. This paper presents a new densified behavioral network based collaborative filtering model (D-BNCF), based on the BNCF approach that uses navigational patterns to model relationships between users. D-BNCF exploits additionally social networks techniques, such as prediction link methods, to discover new links throughout the behavioral network. The final aim is the involvement of these new links in prediction generation to improve the quality of recommendations. The approach proposed is evaluated in terms of accuracy on a real usage dataset. The experimentation shows the benefit of exploiting new links to compute predictions as a high precision is reached. Besides, the evaluation of a combined model (that exploits the more accurate D-BNCF models) shows also the interest of combining similarities based on two different link prediction methods and its impact on the accuracy of high predictions

چکیده

 سیستم های توصیه گر به طور جامعی در شخصی سازی اطلاعات در وب سایت و سیستم های بازیابی استفاده می شوند . Collaborative filtering (CF) ازجمله تکنیک های شناخته شده توصیه گر  محسوب می شود . بنابراین ، سیستم های CF  فقط از طریق پیوندهای مستقیم ویژگی های مشترک برای مدل سازی رابطه بین کاربران استفاده می شوند . این مقاله یک شبکه رفتاری متراکم شده جدید را مبتنی بر مدل CF (D-BNFC) نشان می دهد ، مبتنی بررویکرد مدلBNCF  که از الگو های ناوبری برای مدل سازی روابط بین کاربران استفاده می کنند . مدل  CFاز تکنیک های شبکه های اجتماعی نظیر روش های پیوند پیشگویی برای کشف پیوندهای جدید در کل شبکه رفتاری بهره می برد . رویکرد  توصیه شده بر حسب دقت در مجموعه داده های استفاده واقعی ارزیابی می گردد . آزمایش نشان می دهد که  بهره برداری از پیوندهای جدید  برای محاسبه پیش گو هایی ها ارزشمند است  چون با این کار دقت  بی اندازه بالا می رود . گذشته از این ، همچنین  ارزیابی مدل ترکیبی ( که از مدل های دقیق تر  CF بهره برداری می کند )  نشان می دهد که ترکیب  شباهت های مبتنی بر دو روش متفاوت  پیش گویی پیوند سودمند است  و تاثیر زیادی بر دقت پیش گویی ها دارد .

کلمات کلیدی : سیستم توصیه گر ، تحلیل مصرف ، شبکه های رفتاری ، شبکه های اجتماعی ، پیش گویی پیوند

1-مقدمه

توسعه وب به  تکثیر  اطلاعات مهم ، محصولات و خدمات منجر می گردد . از اینرو ، کاربران در حالی که تلاش می کنند بر روی این موضوع تفکر می کنند تا منابع مناسبی را برای متناسب سازی اولویت هایشان بیابند .

بنابراین ، نیاز به شخصی سازی خودکار اطلاعات شدید تر می شود . دلیل بکارگیری گسترده سیستم های توصیه گر این است که از توانایی تحلیل رفتار های کاربر و راهنمایی آنها به سمت منابع مربوطه برخوردارند و از اینرو آنها می توانند اولویت های خود را متناسب سازی نمایند  . CF یکی از تکنیک های توصیه می باشد که قادر است بر اساس اولویت های کاربران به شناسایی همبستگی ها  یا شباهت های اشان  مبادرت ورزد تا کار انتخاب همسایه ها و محاسبه پیشگوییها را برای کاربران فعال شناسایی نماید . سیستم توصیه گر کلاسیک تنها از روابط و ترجیحات مشترک برای محاسبه پیشگوییها استفاده می کند . ازاینرو ، در صورتی که یک کاربر فعال یک آیتم رتبه بندی مشترک  با کاربر دیگر ندارد ، سیستم توصیه گرقادر نخواهد بود تا پیشگوییها را برای این کار بر فعال تولید نماید .

 همچنین از تکامل وب می توان به عنوان  فاکتور مشارکت کننده در توسعه شبکه هاب اجتماعی و تحلیل آنها نام برد  . شبکه های اجتماعی یک ساختار اجتماعی را بین بازیگران و به طور خاص افراد یا سازمان ها نشان می دهند . این شبکه یک روشی را نشان می دهد که آنها از طریق روابط اجتماعی مختلف همانند دوست ، همکار یا تبادل اطلاعات مرتبط می گردند ( جمالی و عبد الحسنی 2006) . هدف از تحلیل شبکه اجتماعی این است تا  تکامل فعل و انفعالات بین کار بران و جریان های اجتماعی را در کل شبکه های اجتماعی درک نماید ...


موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " فشرده سازی سیستم توصیه گر رفتاری از طریق روش های پیشگویی پیوند شبکه های اجتماعی " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
فشرده سازی سیستم توصیه گر رفتاری از طریق روش های پیشگویی پیوند شبکه های اجتماعی
نویسنده/ناشر/نام مجله :
Social Network Analysis and Mining
سال انتشار
2011
کد محصول
1001690
تعداد صفحات انگليسی
14
تعداد صفحات فارسی
32
قیمت بر حسب ریال
1,083,500
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
809 کیلو بایت
تصویر پیش فرض


این مقاله ترجمه شده را با دوستان خود به اشتراک بگذارید
سایر مقالات ترجمه شده مهندسی فناوری اطلاعات , مهندسی كامپيوتر را مشاهده کنید.
کاربر عزیز، بلافاصله پس از خرید مقاله ترجمه شده مقاله ترجمه شده و با یک کلیک می توانید مقاله ترجمه شده خود را دانلود نمایید. مقاله ترجمه شده خوداقدام نمایید.
جهت خرید لینک دانلود ترجمه فارسی کلیک کنید
جستجوی پیشرفته مقالات ترجمه شده
برای کسب اطلاعات بیشتر، راهنمای فرایند خرید و دانلود محتوا را ببینید
هزینه این مقاله ترجمه شده 1083500 ریال بوده که در مقایسه با هزینه ترجمه مجدد آن بسیار ناچیز است.
اگر امکان دانلود از لینک دانلود مستقیم به هر دلیل برای شما میسر نبود، کد دانلودی که از طریق ایمیل و پیامک برای شما ارسال می شود را در کادر زیر وارد نمایید


این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:





Recommender system
Usage analysis
Behavioral networks
Social networks
Link prediction

تاریخ انتشار در سایت: 2014-08-12
جستجوی پیشرفته مقالات ترجمه شده
نظرتان در مورد این مقاله ترجمه شده چیست؟

ثبت سفارش جدید