۱۳۲۶۶پ
per
بهبود سامانه‌ی پیشنهاددهنده به کاربر مبتنی بر هستی‌شناسی با استفاده از فرمول اطمینان
/مجید حاتمی
: دانشکده مهندسی برق و کامپیوتر
۹۹ص
چاپی
کارشناسی ارشد
در رشته مهندسی کامپیوتر گرایش هوش مصنوعی
۱۳۹۲/۱۱/۲۵
دانشگاه تبریز
سامانه‌های پیشنهاددهنده، یکی از مسائل مهم روز در زمینه‌صی اطلاعات هستند .این سامانه‌ها برای کمک به کاربران در مقابل مشکلی که به سربار اطلاعاتی معروف است ایجاد شده‌اند .این مشکل، فرآیند پیدا کردن اطلاعات مطلوب را طولانی و گاهی نیز خسته‌کننده می‌کند .زمانی که کاربران تجربه و اطلاعات کافی در مورد گزینه‌های مشابه و قابل‌جایگزین ندارند، این سامانه‌ها با پیشنهادات خود به کاربران، تصمیم‌گیری و انتخاب را سهولت می‌بخشند همچنین با بررسی رفتار و سلایق کاربران، مواردی را که احتمال می‌صرود کاربران به آن‌صها نیازمند یا علاقمند باشند، پیشنهاد می‌صدهند .سامانه‌های پیشنهاددهنده مورد رضایت کاربران بوده و نیز سود زیادی برای شرکت‌صهایی که از آن‌ها استفاده می‌صکنند، به ارمغان آورده‌اند .در این پایان‌نامه، با ترکیب و بهره‌گیری از فرمول اطمینان، هستی‌شناسی، الگوریتم بهینه‌سازی فاخته و اصلاح فرمول پیش‌بینی و تابع اندازه‌گیری شباهت، موفق به بهبود کیفیت سامانه‌های پیشنهاددهنده شده‌ایم .تمرکز اصلی این پایان‌نامه روی بهبود دقت پیش‌بینی در روش پالایش مشارکتی بوده، لذا بیشترین بهبود در این زمینه حاصل شده است اگرچه معیارهای دیگر مانند نرخ درستی و یادآوری نیز بهبود یافته‌اند .برای تأیید بهبود حاصل شده از سامانه‌ی پیشنهادی، نتایج به دست آمده را با کارهای گذشته مانند شباهت پیرسون و روشی که از الگوریتم ژنتیک بهره می‌برد، مقایسه کرده‌ایم .شباهت پیرسون به عنوان یک معیار بین پژوهشگران استفاده می‌شود .الگوریتم ژنتیک ارائه شده در کار قبلی نیز، تنها روش تکاملی ارائه شده در اندازه‌گیری شباهت است
consuming and sometimes even more exhausting. They assist users to make choice when they have not enough experience of alternatives. They recommend items which are probably interesting or necessary to users, by examining and exploring their tastes and behaviors. There are evidences which prove users are very satisfied by recommender systems, besides having huge benefits for companies which use these systems. In this thesis, we have improved recommender systems quality by combining and exploiting different approaches, such as trust formula, ontology, cuckoo optimization algorithm and performing some modifications on prediction formula and similarity measurement function. This thesis is aimed at improving the prediction quality, thus the majority of improvement is achieved on it, even though the other metrics such as precision and recall are also improved. To verify the effectiveness of our proposed method, we have compared our results with some prior methods like Pearson Correlation and the Genetic algorithm approachs. Pearson Correlation is used as a reference among researchers. The prior proposed Genetic algorithm is also the only method which made use of an evolusionary algorithm to measure similarity -called information overload problems, which make the process of finding desired information more time-Recommender systems are one of the most important issues nowadays. They have been built to help users to prevent from so
حاتمی، مجید
پاشازاده، سعید، استاد راهنما
بیورانی، حسین، استاد مشاور
سیاه و سفید
نمایه‌سازی قبلی
