خوشه بندی تراستور – سیستم پیشنهاد دهنده بهبود یافته – روابط اجتماعی

نوع فایل : word

تعداد صفحات : 22

تعداد کلمات : 8400

مجله : Information Systems

انتشار : 2014

:

:

:

:

:

تاریخ انتشار
22 دسامبر 2019
دسته بندی
تعداد بازدیدها
808 بازدید
21,000 تومان

عنوان فارسی مقاله: خوشه بندی تراستور با یک سیستم پیشنهاد دهنده بهبود یافته بر اساس روابط اجتماعی

چکیده

با توجه به اطلاعاتی که در دنیای مدرن وجود دارد، اهمیت سیستم‌های توصیه شده (RS) که موارد مربوط به کاربران را توصیه می‌کنند، افزایش یافته است. اکثریت طرح‌های موجود RS از تاریخچه پیشین ارزیابی مصرف کنندگان برای شناسایی اقلام مورد نظر استفاده می‌کنند(خوشه بندی تراستور بایک سیستم پیشنهاددهنده). با این حال، RS های فعلی از مشکل شروع سرد رنج می‌برند و هنگامی که کاربران یا موارد جدید ظاهر می‌شوند، عملکرد آن‌ها ناپایدار است. برای رفع مشکل راه اندازی سرد، نوع جدیدی از راه حل که از ویژگی‌های شبکه اجتماعی بهره برداری می‌شود پیشنهاد شده است. بسیاری از این RS های اجتماعی تجزیه و تحلیل روابط حس اعتماد و اعتماد به نفس برای کشف ویژگی‌های  اجتماعی مشترک بین اعتماد و امدادگر. از آنجایی که روابط اجتماعی بین اعتماد و اعتماد و اطمینان به کار گرفته می‌شود، اما متضاد نیست، تضمین نمی‌شود که یکی از وکلای دارای ویژگی‌های مشترک با اعتماد آنها باشد. علاوه بر این، طرح‌های موجود براساس فرض استقلال بین اعتمادسواران که از همان وکیل پیروی می‌کنند، استفاده می‌کنند و بنابراین نمی‌توانند فاکتورهای ذاتی را که توسط اعتماد محسوب می‌شوند شناسایی کنند(خوشه بندی تراستور بایک سیستم پیشنهاددهنده).

ما معتقدیم اعتمادکنندگان که از همان امید پیروی می‌کنند ویژگی‌های مشترک دارند. براساس فرضیه‌ای که پایایی که اعتماد یک طرفه را با هم طرز تلقی به اشتراک می‌گذارند، پیشنهاد می‌کنیم ویژگی جدید پنهان ماتریکس S را بسازیم و دو الگوریتم جدید RS را توسعه دهیم که این ویژگی‌های پنهان را یاد بگیرند. ما ارزیابی عملکرد گسترده را با استفاده از مجموعه داده‌های دنیای واقعی انجام می‌دهیم و متوجه می‌شویم که روش‌های پیشنهادی ما نه تنها دقیق‌تر از طرح‌های موجود بلکه نشان دهنده گسترش پذیری بالقوه است.

کلیه مقالات مرتبط را میتوانید در بخش ترجمه مقالات فناوری اطلاعات ملاحظه کنید.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Trustor clustering with an improved recommender system based on social relationships

Abstract: 

As we face a deluge of information in the modern world, the importance of recommender systems (RSs) that recommend relevant items to users has increased. The majority of existing RS schemes observe the prior ratings history of consumers to identify preferred items. However, current RSs suffer from the cold start problem, and their performance is dismal when new users or items appear. In order to address the cold start problem, a new type of solution that exploits social network features has been proposed. Many such social RSs analyze trustor–trustee relationships to discover latent social features shared between trustor and trustee. Since social relationships between trustors and trustees are directed, but not reciprocal, it is not guaranteed that a trustee has features in common with its trustors. Moreover, existing schemes are based on the assumption of independence between trustors who follow the same trustee, and therefore fail to recognize quintessential factors shared by the trustors. We posit that trustors who follow the same trustee have features in common. Based on the assumption that trustors who endorse the same trustee share similar tastes, we propose a new latent feature called Matrix S, and develop two novel RS algorithms that learn these latent features. We conduct an extensive performance evaluation using large scale real-world datasets, and observe that our proposed methods are not only more accurate than existing schemes but also show potential extensibility.
دیدگاهتان را بنویسید