دوستان عزیز برای پیدا کردن سریع مطالب مورد نظر خود، می توانید از قسمت جستجوی سریع در سایت، یک یا چند کلمه کلیدی مورد نظر خود را جستجو نمایید.
یا اینکه بر روی دو آیکون سبز رنگ "طبقه بندی موضوعات" یا "جستجوی کلمات کلیدی" در سمت راست و چپ موجود در بالای سایت کلیک نمایید...
در صورت بروز مشکل در پرداخت الکترونیکی؛ میتونید ایمیلی ، پیامکی، تلفنی یا تلگرامی بگید تا فایلتون براتون ارسال بشه.
سیستم های توصیه گر | تعاونی نیرومندسازی تحقیقات
طبقه بندی موضوعات
جستجوی کلمات کلیدی
شنبه , ۱۳ آذر ۱۳۹۵
آخرین مطالب
خانه -> وب معنایی -> سیستم توصیه گر -> سیستم های توصیه گر

سیستم های توصیه گر

اگرچه سیستمهای توصیه گر، ریشه در کارهای گسترده ای دارند که در علم شناخت ، تئوری تقریب ، بازیابی اطلاعات ، تئوریهای پیش بینی صورت گرفته است و همچنین پیوندهایی با علم مدیریت و مدل کردن انتخاب مصرف کننده در بازاریابی دارند، بعنوان یک زمینه ی تحقیقاتی مستقل در اواسط دهه ی ۱۹۹۰، پدیدار شدند در آن زمان، محققین متمرکز روی مسائل توصیه ای بودند که صراحتاً به ساختار درجه گذاریها متکی بود. با ساده ترین بیان، مساله ی توصیه، مساله ی تخمین درجه ها برای آیتمهایی است که هنوز کاربر آنها را ندیده است. بطور شهودی، این تخمین، معمولاً مبتنی بر درجاتی است که این کاربر به دیگر آیتمها داده است و بر اطلاعات دیگری که در ادامه ذکر خواهد شد. وقتیکه ما بتوانیم برای آیتمهای هنوز دیده نشده، درجاتی را تخمین بزنیم، می توانیم به کاربر آیتمهای با بالاترین درجات تخمینی را توصیه کنیم.
سیستمهای توصیه گر معمولاً براساس نحوه ی تولید توصیه ها به انواع زیر طبقه بندی می شوند:
روشهای محتوا محور : به کاربر آیتمهایی توصیه خواهد شد که مشابه به آیتمهایی است که کاربر درگذشته می پسندید.
روشهای مشارکتی : به کاربر آیتمهایی توصیه خواهد شد که افراد هم سلیقه و همفکر این کاربر، درگذشته می پسندیدند.
روشهای تلفیقی : ترکیبی از دو روش بالا.
علاوه بر سیستمهای توصیه گری که مقادیر مطلق درجات را پیش بینی می کنند بطوریکه کاربران احتمالاً به آیتمهای موردنظر همان درجات را خواهند داد، کارهایی درباب فیلترینگ ترجیح محور یعنی پیش بینی پسندها و تمایلات نسبی کاربران صورت گرفته است. مثلاً در یک سیستم توصیه فیلم، تکنیکهای فیلترینگ ترجیح محور، بجای پیش بینی درجات مجزای فیلمها، روی پیش بینی ترتیب درست فیلمها متمرکز می شوند. بااین وجود، تمرکز این فصل، در درجه ی اول روی توصیه گرهای درجه محور است چون رایج ترین روش برای سیستمهای توصیه گر می باشد.3

اسلاید درس سیستم های تصمیم یار – Recommender systems

دانشگاه فردوسی مشهد – ۴۸ اسلاید

مشاهده جزئیات بیشتر

—————————————————————————-

معیارهای ارزیابی سیستم های توصیه گر

فهرست مطالب

چکیده ۳
۱ . مقدمه ای بر سیستم های توصیه گر ۴
۱ . ۱ . تعاریف و اصطلاحات عمده ۷
۱ . ۲ . انواع سیستم‌های توصیه‌گر ۸
۱ . ۳ . مزایای استفاده از سیستم های توصیه گر ۱۰
۱ . ۴ . مقدمه ای بر ارزیابی سیستم های توصیه گر ۱۱
۲. معیارهای قبلی برای ارزیابی سیستم های توصیه گر ۱۵
۲ . ۱ . ملاحظات اولیه ۱۶
۲ . ۲ . معیارهای دقت ۱۶
۲ . ۳ . اندازه گیری بازیابی اطلاعات ۱۸
۲ . ۴ . معیارهای رتبه ۲۲
۲ . ۵ . سایر معیارها ۲۳
۳ . یک چارچوب عمومی برای سیستم های توصیه گر ۲۶
۳ . ۱ . سیستم های توصیه گر تعاملی و غیر تعاملی ۲۷
۳. ۲. زیر سیستم های راهنما و فیلترینگ ۳۰
۴. اندازه گیری سیستم های توصیه گر ۳۱
۴ . ۲ . کمیت پذیری عملکرد سیستم های توصیه گر ۳۴
۵ . نتیجه گیری و کارهای آینده ۳۷
منابع ۳۹فایل ورد

 فایل فشرده حاوی یک فایل:
نوع فایل:  Microsft word Office
تعداد صفحات: ۴۲ صفحه

—————————————————————————-

مقاله فارسی در مورد سیستم های توصیه گر

۱. مقاله فارسی : کاربرد سیستمهای پیشنهاد دهنده در تجارت الکترونیک
فایل PDF – یازده صفحه
کلمات کلیدی:
سیستمهای پیشنهاد دهنده ، فیلتر همبستگی ، فیلتر مبتنی بر محتوا ، فیلتر ترکیبی

۲. مقاله فارسی: سیستم پیشنهاد دهنده وب با استفاده از اتوماتای یادگیر توزیع شده و پارتیشن بندی گرافپی دی اف
فایل PDF – پانزده صفحه
کلمات کلیدی:
اتوماتای یادگیر، داده کاوی استفاده از وب، سیستمهای پیشنهاد دهنده

 

مشاهده جزئیات بیشتر

—————————————————————————-

مقاله فارسی

طراحی یک سیستم توصیه ‏گر ترکیبی معنایی با استفاده از تکنیک ‏های پردازش زبان طبیعی فارسی

کلمات کلیدی
سیستم توصیه ‏گر ترکیبی، پردازش زبان طبیعی فارسی، فردوس‏نت، وب معنایی، ریشه یابی

فهرست مطالب:

طراحی یک سیستم توصیه‏گر ترکیبی معنایی با استفاده از تکنیک‏های پردازش زبان طبیعی فارسی
چکیده
کلمات کلیدی
– مقدمه
– کارهای مرتبط
– تکنیک ‏های بکار رفته از پردازش زبان طبیعی
– سیستم توصیه ‏گر پیشنهادی
– ارزیابی سیستم
— صحت پیش ‏بینی ‏ها
— صحت دسته‏ بندی‏ ها
– نتیجه‏ گیری
ضمایم
مراجع
زیر‌نویس‌هافایل ورد

یک فایل فشرده حاوی یک فایل:
نوع فایل:  Microsft word Office
تعداد صفحات: ۶

مشاهده جزئیات بیشتر

—————————————————————————-

پی دی افبررسی جامع کاربردهای مختلف تکنیک های معنایی در هوش تجاری

مقاله بسیار جتمع و فنی در مورد آنتولوژی، تکنیک های معنایی  و وب معنایی، هوش تجاری و ….

فایل PDF – دوازده صفحه

مشاهده جزئیات بیشتر

—————————————————————————-

مستندی درباره سیستم های توصیه گر

سیستم های توصیه گر ابزارهای نرم افزاری هستند و تکنیکهای مشروط بر ارائه پیشنهادها, برای آیتم ها می باشد که کاربر از آنها استفاده می کند. هدف پیشنهادات ارائه شده, حمایت از کاربران شان در مراحل مختلف تصمیم گیری, مانند چه اقلامی را خرید کنیم,به چه موسقی گوش دهیم,یا ایبنکه چه خبری را بخوانیم. سیستم های توصیه گر به ابزاری ارزشمند ثابت شده اند برای کاربران آنلاین تا با اطلاعات اضافه مقابله کنند و به یکی از قدرتمندترین و محبوب ترین نرم افزار در تجارت الکترونیک تبدیل شوند. به همین طریق, تکنیک های مختلفی برای تولید توصیه مطرح شده اند, و در طول دهه گذشته بسیاری از آنها نیز با موفقیت در محیط های تجاری گسترش یافته اند.

فایل وردیک فایل فشرده حاوی یک فایل:
نوع فایل:  Microsft word Office
تعداد صفحات: ۵۸ صفحه

مشاهده جزئیات بیشتر

 

—————————————————————————-

مرور ادبیات  سیستم های توصیه گر

– کارهای گذشته
این فصل، بررسی جامعی از سیستمهای توصیه گر است که محدودیتهای مختلف نسل حاضر روشهای توصیه را مشخص می کند و بعضی از اولین روشها، برای رفع این محدودیتها و توسعه ی قابلیتهای این سیستمها را مورد بحث قرار می دهد.
۲-۱- معرفی
اگرچه سیستمهای توصیه گر، ریشه در کارهای گسترده ای دارند که در علم شناخت [‎۴۹]، تئوری تقریب ، بازیابی اطلاعات ، تئوریهای پیش بینی صورت گرفته است و همچنین پیوندهایی با علم مدیریت و مدل کردن انتخاب مصرف کننده در بازاریابی دارند، بعنوان یک زمینه ی تحقیقاتی مستقل در اواسط دهه ی ۱۹۹۰، پدیدار شدند در آن زمان، محققین متمرکز روی مسائل توصیه ای بودند که صراحتاً به ساختار درجه گذاریها متکی بود. با ساده ترین بیان، مساله ی توصیه، مساله ی تخمین درجه ها برای آیتمهایی است که هنوز کاربر آنها را ندیده است. بطور شهودی، این تخمین، معمولاً مبتنی بر درجاتی است که این کاربر به دیگر آیتمها داده است و بر اطلاعات دیگری که در ادامه ذکر خواهد شد. وقتیکه ما بتوانیم برای آیتمهای هنوز دیده نشده، درجاتی را تخمین بزنیم، می توانیم به کاربر آیتمهای با بالاترین درجات تخمینی را توصیه کنیم.

سیستمهای توصیه گر معمولاً براساس نحوه ی تولید توصیه ها به انواع زیر طبقه بندی می شوند [‎۳]:
روشهای محتوا محور : به کاربر آیتمهایی توصیه خواهد شد که مشابه به آیتمهایی است که کاربر درگذشته می پسندید.
روشهای مشارکتی : به کاربر آیتمهایی توصیه خواهد شد که افراد هم سلیقه و همفکر این کاربر، درگذشته می پسندیدند.
روشهای تلفیقی : ترکیبی از دو روش بالا.
علاوه بر سیستمهای توصیه گری که مقادیر مطلق درجات را پیش بینی می کنند بطوریکه کاربران احتمالاً به آیتمهای موردنظر همان درجات را خواهند داد، کارهایی درباب فیلترینگ ترجیح محور یعنی پیش بینی پسندها و تمایلات نسبی کاربران صورت گرفته است [‎۲۸، ‎۲۹]. مثلاً در یک سیستم توصیه فیلم، تکنیکهای فیلترینگ ترجیح محور، بجای پیش بینی درجات مجزای فیلمها، روی پیش بینی ترتیب درست فیلمها متمرکز می شوند. بااین وجود، تمرکز این فصل، در درجه ی اول روی توصیه گرهای درجه محور است چون رایج ترین روش برای سیستمهای توصیه گر می باشد.

۲- کارهای گذشته ۷
۲-۱- معرفی ۷
۲-۲- روشهای محتوا محور ۱۱
۲-۲-۱- روشهای کاووشی ۱۱
۲-۲-۲- روشهای مدل محور ۱۵
۲-۲-۳- محدودیتها ۱۶
۲-۲-۳-۱- محدودیت در تجزیه و تحلیل محتوا ۱۶
۲-۲-۳-۲- عدم تازگی و جذابیت توصیه ها ۱۷
۲-۲-۳-۳- مساله کاربر جدید ۱۸
۲-۳- روشهای مشارکتی ۱۸
۲-۳-۱- روشهای حافظه محور ۲۰
۲-۳-۲- روشهای مدل محور ۲۶
۲-۳-۳- محدودیتها ۳۰
۲-۳-۳-۱- مساله کاربر جدید ۳۰
۲-۳-۳-۲- مساله آیتم جدید ۳۱
۲-۳-۳-۳- کم تراکمی ۳۱
۲-۴- روشهای تلفیقی ۳۲
۲-۴-۱- ترکیب نتایج ۳۲
۲-۴-۲- مشارکت براساس محتوا ۳۳فایل ورد

یک فایل فشرده حاوی یک فایل:
نوع فایل:  Microsft word Office
بخش مرور کارهای انجام شده پایان نامه کارشناسی ارشد
تعداد صفحات:   ۳۴ صفحه

مشاهده جزئیات بیشتر

—————————————————————————-

سمینار سیستم های توصیه گر

در ابتدا به بیان لیستی از انواع توصیه گرها می‏پردازیم و در ادامه ی این بخش انواع مختلف سیستم های توصیه گر پایه شرح داده شده اند. آشنایی مقدماتی با انواع اولیه ی سیستم های توصیه گر برای درک بهتر سیستم تلفیقی پیشنهادی ضروری می‏باشد.

انواع سیستم های توصیه گر

سیستم  توصیه گر یا سامانه پیشنهادگر، با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسب‏ترین آیتم ها (داده، اطلاعات، کالا و …) می‏نماید. به زبان ساده‌تر در سیستم های توصیه‌گر تلاش بر این است تا با حدس زدن شیوه تفکر کاربر (به کمک اطلاعاتی که از نحوه رفتار وی یا کاربران مشابه وی و نظرات آن‏ها داریم) به وی مناسب‌ترین و نزدیک‏ترین کالا به سلیقه او را شناسایی و پیشنهاد کنیم. سیستم های توصیه گر براساس تخمین نرخ و چگونگی پیشنهادات به چهار دسته تقسیم می‏شود:

توصیه گر محتوامحور

توصیه گر هم بستگی (یا اشتراکی)

فیلتر ترکیبی

روش دانش‏محور

در سیستم های توصیه گر، محاسبه ی میزان شباهت کالا با کاربر و کاربر با کاربر، از اهمیت زیادی برخوردار است.

توصیه گر محتوامحور

در روش مبتنی بر محتوا سودمندی u(c,s)  از آیتم s برای کاربر c، از روی سودمندی u(c,s_i) به وسیله کاربر c به آیتم های s_i∈S  که s_i شبیه آیتم S هستند، تخمین زده می‏شود. برای مثال در برنامه توصیه گر فیلم به کاربر c، این سیستم  سعی می‏کند اشتراک‏های بین فیلم ها مثل نام کارگردان، نوع فیلم، موضوع فیلم، بازیگران خاص و… که کاربر c به آن‏ها نرخ بالایی داده تشخیص دهد و در این‏صورت فیلم های که درجه تشابه بالاتری، با اولویت‏های مشتری دارند را پیشنهاد نماید.

فهرست مطالب
۱- مرور ادبیات ۱
۱-۱- انواع سیستم‏های توصیه‏گر ۱
۱-۱-۱- توصیه‏گر محتوامحور ۲
۱-۱-۲- توصیه‏گر همبستگی ۷
۱-۱-۳- الگوریتم ترکیبی ۹
۱-۱-۴- روش دانش محور ۱۹
۱-۱-۵- طبقه‏بندی جامع انواع سیستم توصیه‏گر ۱۹
۱-۲- پیش‏بینی نرخ ۲۰
۱-۳- روش‏های پیش‏بینی نرخ کاربرمحور ۲۲
۱-۳-۱- پیش‏بینی نرخ با استفاده از فیلترینگ همکارانه کاربرمحور ۲۲
۱-۳-۲- روش‏های پیش‏بینی نرخ اعتمادمحور ۲۶
۱-۴- روش‏های پیش‏بینی نرخ آیتم‌محور ۳۰
۱-۴-۱- فیلترینگ همکارانه آیتم‌محور ۳۰
۱-۴-۲- روش‏های آیتم‏محور معنایی در پیش‏بینی نرخ ۳۶
۱-۴-۳- روش پیش‏بینی با استفاده از ادغام اعتماد ضمنی و فیلترینگ همکارانه کاربرمحور بهبود یافته ۴۴
۱-۴-۴- روش پیش‏بینی با استفاده از ادغام مشابهت معنایی تعداد سرموضوعات و فیلترینگ همکارانه آیتم‌محور بهبود یافته ۴۵
۱-۵- کارهای مرتبط ۴۷
۱-۵-۱- مروری بر سیستم‏های توصیه‏گر ۴۷
۱-۵-۲- سیستم‏های توصیه‏گر معنایی ۴۸
۱-۵-۳- سیستم‏های توصیه‏گر اجتماعی و آگاه از اعتماد ۴۸
۱-۶- خلاصه فصل ۵۰
منابع ۵۲

فایل ورد

یک فایل فشرده حاوی یک فایل:

نوع فایل:  Microsft word Office
بخش مرور کارهای انجام شده پایان نامه کارشناسی ارشد
تعداد صفحات:   ۵۸ صفحه
کاربر گرامی

برای دانلود فایل های مورد نظرتان بایستی بر روی دکمه "افزودن به سبد خرید" کلیک نمایید .

پس از چند ثانیه ، فایل مورد نظر شما به سبد خریدتان اضافه گردیده و این دکمه تبدیل به دکمه "پرداخت" خواهد شد.

با کلیلک بر روی دکمه "پرداخت" ، وارد صفحه پرداخت خواهید شد .

با وارد کردن اطلاعات و ایمیل خود ، فایل مورد نظر به ایمیل شما ارسال گردیده و همچنین لینک دانلود فایل بلافاصله برایتان به نمایش درخواهد آمد.

– قابل پرداخت با تمام کارتهای بانکی + رمز دوم

– پشتیبانی سایت ۰۹۳۵۹۵۲۹۰۵۸ – Info@tnt3.ir – universitydatainfo@yahoo.com




سفارش ترجمه متون عمومی و تخصصیفروشگاه اینترنتی کتاب - خرید آنلاین کتاب - دانلود کتاب الکترونیکی

جوابی بنویسید

ایمیل شما نشر نخواهد شد

یازده + 7 =

شما می‌توانید از این دستورات HTML استفاده کنید: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>


This site is using the Seo Wizard plugin by http://seo.uk.net/