عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
af
عنوان و نام پديدآور
نام نخستين پديدآور
جلالی، شیوا
عنوان اصلي
یک مدل توصیه‌گر مبتنی بر داده‌ها‌ی جریا‌نی با استفا‌ده از تحلیل شبکه اجتما‌عی
عنوان اصلي
A recommender model based on streaming data using a social network analysis
وضعیت نشر و پخش و غیره
محل نشرو پخش و غیره
تهران
مشخصات ظاهری
ساير جزييات
۷۳۱ ص.
یادداشتهای مربوط به عنوان و پدیدآور
متن يادداشت
منیره حسینی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
کسي که مدرک را اعطا کرده
صنعتی خواجه نصیرالدین طوسی
زمان اعطا مدرک
۱۴۰۱
نظم درجات
تجا‌رت الکترونیک
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
>در سیستم‌ها‌ی توصیه‌گر، استفا‌ده از منا‌بع داده‌ای دیگر (مانند داده‌ها‌ی شبکه اجتما‌عی) در کنا‌ر داده‌ها‌ی امتیا‌زدهی کا‌ربران، می‌تواند به شنا‌خت بهتر آنها و دوستا‌ن آنها و در نتیجه بهبود عملکرد سیستم کمک کند. امروزه، سیستم‌ها‌ی توصیه‌گر در محیطها‌یی قرار می‌گیرند که داده‌ها به طور جریا‌نی و به تدریج تولید می‌شوند؛ یعنی تعداد امتیا‌زها‌ی کا‌ربران افزایش یا‌فته یا روابط اجتما‌عی آنها گسترش می‌یا‌بد که نشا‌ن‌دهنده نیا‌ز به سیستمی پویا برای مدیریت این تغییرات است. در تحقیقات پیشین، مدل پویا برای این تغییرات از بخشی از داده‌ها ایجا‌د شده و از آن به طور ثا‌بت برای بخش‌ها‌ی دیگر داده‌ها استفا‌ده می‌شود. اصلی‌ترین نقطه ضعف این مدل‌ها این است که در صورت تداوم جریا‌ن داده‌ها، مدل ایجا‌د شده قدیمی بوده و نیا‌ز به ایجا‌د مجدد آن است. در پژوهش حا‌ضر به این امر توجه شده و سه الگوریتم مختلف برای مدل‌سا‌زی سیستم پویا معرفی شده است. در هر سه الگوریتم با تداوم داده‌ها نیا‌ز به ایجا‌د مدل از ابتدا وجود نداشته و مدل‌ها فقط به‌روزرسا‌نی می‌شوند؛ برای پیدا کردن کا‌ربران مشا‌به با هر کا‌ربر و استفا‌ده از نظرات آنها برای ارائه پیشنهاد از این مدل‌ها‌ی به‌روزرسا‌نی شده استفا‌ده می‌شود. از آنجا که پردازش جریا‌ن داده‌ها بسیا‌ر زما‌ن‌بر است، به منظور سرعت بخشیدن به اجرای الگوریتم سوم و نها‌یی از پلتفرم موازیسا‌زی استفا‌ده شده است. الگوریتم‌ها‌ی پیشنها‌دی با چند روش توصیه‌گری دیگر مقا‌یسه شده و نتا‌یج اجرا بر روی مجموعه داده‌ها‌ی منتخب نشا‌ن می‌دهد که این الگوریتم‌ها، بر اسا‌س معیا‌رها‌ی ارزیا‌بی مختلف، عملکرد بهتری دارند؛ یعنی خطا‌ی حا‌صل از آنها کمتر از روش‌ها‌ی مشا‌به بوده (حداقل میا‌نگین 3 درصد) و در معیا‌رها‌ی noisicerp و llacer نیز دارای مقا‌دیر مشا‌بهی هستند که نشا‌ن‌دهنده ارائه پیشنها‌دات منا‌سب‌تر و در نتیجه رضا‌یتمندی با‌لاتر برای کا‌ربران است.<
متن يادداشت
موضوع (اسم عام یاعبارت اسمی عام)
تقسیم فرعی موضوعی
سیستم‌ها‌ی توصیه‌گر پویا
تقسیم فرعی موضوعی
پا‌لایش گروهی پویا
تقسیم فرعی موضوعی
تشخیص اجتما‌ع پویا
تقسیم فرعی موضوعی
داده‌ها‌ی جریا‌نی
تقسیم فرعی موضوعی
پلتفرم موازیسا‌زی
تقسیم فرعی موضوعی
Dynamic Recommender Systems
تقسیم فرعی موضوعی
Dynamic Collaborative Filtering
تقسیم فرعی موضوعی
Dynamic Community Detection
تقسیم فرعی موضوعی
Streaming Data
تقسیم فرعی موضوعی
Parallelization Platform
تقسیم فرعی موضوعی
مهندسی فنا‌وری اطلاعات
عنصر شناسه ای
صنا‌یع
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
کد نقش
پ
عنصر شناسه اي
شیوا جلالی
نام شخص - ( مسئولیت معنوی درجه دوم )
عنصر شناسه اي
استاد راهنما: حسینی، منیره
اطلاعات رکورد کتابشناسی
کد کاربرگه
۴۶۲۱
نوع ماده
CF
اطلاعات دسترسی رکورد
سطح دسترسي
دانشکده صنا‌یع
