این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های مدیریت منابع سازمانی، جلد ۱۱، شماره ۴، صفحات ۷۵-۹۲
عنوان فارسی مقایسه تأثیر تحلیل احساسات و رتبه‌بندی کاربران بر عملکرد سیستم‌های پیشنهاد‌دهنده
چکیده فارسی مقاله در سال­های گذشته، ظهور شبکه­های اجتماعی منجر به افزایش توجه به سمت سیستم­های پیشنهاد‌دهنده مبتنی بر نظرها شده است. هدف از توسعه چنین سیستم­هایی استفاده از اطلاعات ارزشمند نظرهای متنی کاربران در فرایند الگو­سازی و ارائه پیشنهاد است. در محیط شبکه­های اجتماعی به‌طور معمول سیستم­های پیشنهاددهنده­ مبتنی بر پالایه نمودن مشارکتی برای ارائه توصیه به کاربران استفاده می­شود. اساس کار این رویکرد، تجربه و نظر سایر افراد برای خرید اقلام و محصولات است. در این پژوهش سیستمی برای ارائه توصیه به کابران برای خرید کتاب با ترکیب فیلتریگ مشارکتی و تحلیل احساسات ارائه شد. برای تحلیل احساسات از الگو­های ترکیبی برای استخراج عقاید نظرهای کاربران استفاده شد. در رویکرد ترکیبی از رأی‌گیری مبتنی بر وزن­ جهت الگو­سازی استفاده گردیده است. الگو پیاده‌سازی‌شده بر نظرهای 7210 کاربر و خریدار کتاب تارنمای آمازون که از راه  خزنده وب از تارنما آمازون استخراج شده‌اند، ارزیابی شده است. برای ارائه توصیه به کاربران پس از تشکیل پروفایل اقلام، شباهت میان اقلام استخراج می­شود و در انتها اقلام مشابه با محصولاتی که هر کاربر به آن نمره خوبی داده است، به‌عنوان محصول پیشنهادی ارائه می­شود. نتایج نشان می­دهند تحلیل احساسات نظر کاربران بر پیشنهاد کالاهای مورد‌علاقه کاربر و عملکرد سیستم­های پیشنهاددهنده تأثیر مثبتی دارد.
کلیدواژه‌های فارسی مقاله سیستم پیشنهاد‌دهنده، ترجیحات، تحلیل احساسات، فیلترینگ مشارکتی.
عنوان انگلیسی Comparing the effect of sentiment analysis and user ratings on the performance of recommender systems
چکیده انگلیسی مقاله In recent years, the emergence of social networks has led to an increasing attention to recommender systems based on user reviews. The purpose of developing such systems is to use valuable information from users' textual comments in the process of modeling and recommending. User comments reflect the actual opinions on the products and services, so they are a valuable resource for recommending. In social networking environments, collaborative filtering systems are used to provide advice to users. The basis of this approach is the experience and opinion of the other people to buy items and products. This approach is based on the assumption that users who have the same interest have a similar rank. In this research, a system is proposed to provide recommend for users to buy books by combining the collaborative filtering and sentiment analysis. For sentiment analysis, ensemble methods based on weighted voting have been used to extract user's opinions. In the weighting method, a greater weight is assigned to a classifier which has higher accuracy. The selected model has been evaluated on the 7210 user's comment which extracted from the Amazon website by the web crawler. The results show that the sentiment analysis of the feeling of the users' comments systems has a positive effect on the performance of recommender systems.
کلیدواژه‌های انگلیسی مقاله Recommender system, Preference, Sentiment analysis, Collaborative filtering
نویسندگان مقاله فاطمه عباسی | fatemeh abbasi
Assistant Professor, Information Technology Management, Department of Information Technology Management, Faculty of Information Technology, Mehr Alborz Institute of Higher Education, Tehran, Iran.
استادیار، مدیریت فناوری اطلاعات، گروه مدیریت فناوری اطلاعات، دانشکده فناوری اطلاعات، موسسه آموزش عالی مهر البرز، تهران، ایران.

آمنه خدیور | ameneh khadivar
Associate Professor, Information Technology Management, Department of Management, Faculty of Social Sciences and Economics, Alzahra University, Tehran, Iran.
دانشیار، مدیریت فناوری اطلاعات، گروه مدیریت، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران.

نشانی اینترنتی http://ormr.modares.ac.ir/browse.php?a_code=A-10-11089-12&slc_lang=fa&sid=28
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات