شماره کتابشناسی ملی
شماره
۲۳۵۸۲پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
ارئه یک سیستم توصیه گر ترکیبی مبتنی برتجزیه ماتریس نامنفی و شبکه‌ی اعتماد
عنوان اصلي به زبان ديگر
Novel Hybrid Recommender System Based on the non-Negative Matrix Factorization and Trust Network A
نام نخستين پديدآور
/شادی ابراهیم پور کردلر
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: علوم ریاضی
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، راشدی
مشخصات ظاهری
نام خاص و کميت اثر
۵۵ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
علوم کامپیوتر
زمان اعطا مدرک
۱۳۹۸/۰۸/۲۰
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
امروزه با گسترش روزافزون صفحات وب، ارائه سیستم های توصیه گر مناسب، برای بیان پیشنهادات مناسب به کاربران از میان سیل انبوه از اطلاعات، مورد توجه بسیاری از محققان علوم کامپیوتر بوده است .روش پالایش مشارکت با جمع آوری اطلاعات مربوط به موارد مورد علاقه ی کاربران و حذف آن دسته از مواردی که قبلا توسط کاربر خریداری شدند، لیست از توصیه ها را ارائه م کند .در این پایان نامه، ی ال‌وریتم توصیه گر جدید طراح شده است که هدف اساس آن بهبود مش‌لات مثل پراکندگ و شروع سرد در سیستم توصیه گر پالایش مشارکت است که از طریق خوشه بندی کاربران، مش‌ل مقیاس پذیری را کاهش دادیم و با بهره گیری از رابطه اعتماد و شباهت بین خوشه ها، مش‌ل شروع سرد، پراکندگ را برطرف کرده ایم .ایده ی اصل روش پیشنهادی این است که خوشه بندی کاربران مشابه را با اندازه گیری شباهت موجود بین آن ها، انجام دهد .روش پیشنهادی، بعد از انجام خوشه بندی کاربران مشابه، رابطه اعتماد را بین خوشه ها اعمال م کند و با ترکیب اعتماد و شباهت بین خوشه ها، مش‌لات پراکندگ، مقیاس پذیری، شروع سرد و زمان اجرا را کاهش م دهد و خطای سیستم را با استفاده از محاسبه میانگین خطای مطلق، نسبت به روش هایی از قبیل پالایش مشارکت، روش مبتن بر اعتماد و روش های دی‌ر بررس شده در نتایج، کاهش داده است .در نتیجه روش پیشنهادی، عمل‌رد بهتری نسبت به روش های بررس شده دارد
متن يادداشت
Today, with the ever-expanding web pages, the provision of appropriate referral systems has been the subject of much interest by computer science researchers to provide appropriate recommendations to users through a massive flood of information. Recommender systems with the ability to discover users interests, refine what is likely to be of interest to the user, by saving large amounts of data and saving time by offering them. Collaborative refinement provides a list of recommendations by gathering information about users interests and removing those that were previously purchased by the user. In this thesis, a new recommender algorithm will be designed that aims to improve the results of the participatory refinement recommender system using a new approach that improves the accuracy of the recommender system using a clustering and trust network approach. The main idea of the proposed method is to cluster similar users by measuring the similarity between them. Trust-based recommender systems utilize the trust relationship between users to address the problem of scalability and dispersion. In fact, the basis of trust-based referral systems is the search for trusted individuals. In the proposed method, after clustering the users, they apply the trust relationship between the clusters to reduce the problems expressed
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Novel Hybrid Recommender System Based on the non-Negative Matrix Factorization and Trust Network A
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
ابراهیم پور کردلر، شادی
مستند نام اشخاص تاييد نشده
Ebrahimpoor kordelar, Shadi
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
