Skip Navigation Links

عنوان ترجمه شده مقاله: سیستم های توصیه گر سه راهی بر مبنای جنگل های تصادفی

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
Abstract

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, , 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

چکیده

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، a* و b*  محاسبه می شود. سپس با ساختن جنگل تصادفی یک احتمال را برای P که مطلوب بنظر می رسد را محاسبه می کنیم. در نهایت b*  a*, و P برای پیشنهاد یک رفتار تعیین می شوند. گزینه پیشنهاد شده براساس یک هزینه متوسط ارزیابی می شود. نتایج آزمایش شده روی مجموعه داده های MovieLens (که به خوبی شناخته شده است) نشان می دهد که جفت (a*,b*) که از طریق مدل سه راهی تعیین شده بودند، نه تنها در مرحله آموزش بلکه در مرحله تست نیز بسیار مطلوب و مورد پسند بودند.

1-مقدمه

سیستم های توصیه گر (Rs)، برای ارائه ی آیتم هایی همچون؛ فیلم ها (41_22_21)، موسیقی (16) ، به مشتریان، به طور وسیعی مطالعه شده است. برای اجرای RS، دو هدف اصلی وجود دارد: هدف حافظه محور و هدف مدل محور (8). مدل های حافظه محور (52_14) تمام پایگاه داده های کاربر _ آیتم را برای تولید یک محاسبه بکار می گیرند، روش های مدل محور (73_72_42_23) از، اطلاعات محتوا و جمعیتی برای ایجاد یک مدلی که توصیه هایی را تولید می کند استفاده می کند...


گروه ترجمه تخصصی البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " سیستم های توصیه گر سه راهی بر مبنای جنگل های تصادفی " نموده است که شما کاربر گرامی 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
سیستم های توصیه گر سه راهی بر مبنای جنگل های تصادفی
نویسنده/ناشر/نام مجله :
Knowledge-Based Systems
سال انتشار
2016
کد محصول
1009986
تعداد صفحات انگليسی
31
تعداد صفحات فارسی
46
قیمت بر حسب ریال
345000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
1 مگا 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 گرامی، 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 محتوی را ببینید
هزینه این مقاله ترجمه شده 345000 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 systems
random forests

تاریخ انتشار در سایت: 2017-02-15
جستجوی پیشرفته مقالات ترجمه شده
نظرتان در مورد این مقاله ترجمه شده چیست؟