این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۹، شماره ۲، صفحات ۱-۱۵
عنوان فارسی ارائه یک معیار جدید اندازه‌گیری شباهت در سیستم‌های توصیه‌گر فازی
چکیده فارسی مقاله با توسعه اینترنت، بشر امروزی با رشد انفجاری و تنوع اطلاعات مواجه است و این امر تصمیم‌گیری در زمینه های مختلف را با چالش مواجه کرده است. بدین منظور سیستم‌های توصیه‌گر با شناسایی علایق کاربران، فیلترکردن داده‌ها و مدیریت اطلاعات، باعث صرفه جویی در زمان، شخصی‌سازی تجارت الکترونیک، بهبود بازاریابی و غیره شده است. یکی از موفق‌ترین روش‌های سیستم‌های توصیه‌گر، فیلترینگ همکاری است که مبتنی بر شباهت بین کاربران می‌باشد. در سیستم‌های توصیه‌گر، دقت و کیفیت توصیه‌ها اهمیت بسزایی دارند. راهکار‌های مختلفی مانند استفاده از منطق فازی برای بهبود دقت و کیفیت توصیه‌ها، ارائه شده است. استفاده از منطق فازی، روشی موثر برای برخورد با عدم قطعیت در اندازه‌گیری شباهت آیتم‌ها و کاربران است. در این پژوهش، روشی جدیدی برای اندازه‌گیری شباهت فازی به نام FSM براساس فاکتور‌های محبوبیت و اهمیت، در سیستم‌های توصیه‌گر فیلترینگ همکاری ارائه شده است. در روش پیشنهادی، از اعداد فازی برای بهبود دقت و کیفیت توصیه‌ها استفاده شده است. روش پیشنهاد شده، توسط معیار‌های MAE ،F1 ، فراخوانی و صحت ارزیابی شده است. مقدار F1 در حالت استفاده از معیار شباهت پیشنهادی نسبت به روش‌های مبتنی بر معیار‌های PIP و NHSM به ترتیب 17 و 20 درصد افزایش یافته است. همچنین معیارهای فراخوانی و صحت بدست آمده از این روش نسبت به دو روش مذکور نیز بهبود قابل توجهی یافته‌اند.
کلیدواژه‌های فارسی مقاله سیستم‌های توصیه‌گر، فیلترینگ همکاری، اندازه‌گیری شباهت، مجموعه فازی، معیار FSM،
عنوان انگلیسی A Novel Similarity Measure for Fuzzy Recommender Systems
چکیده انگلیسی مقاله Due to the development of the internet and the diversity of information, decision making in various fields has been faced different challenges. Recommender systems by identifying users interests, data filtering, and data management offer personalized services to users. This is beneficial for marketing and user satisfaction. Collaborative Filtering (CF) is one of the most successful methods of recommender system. CF is based on the similarity between users. We argue that similarity is a fuzzy notion and we get more realistic results in recommender systems by using fuzzy logic. Fuzzy logic is an effective way to identify ambiguities and uncertainty in measuring the similarity of items and users. In this paper, we present a new Fuzzy Similarity Measure, called FSM, for CF recommender systems which is based on popularity and significance. To evaluate the contribution of this work, we use MAE, F1, recall, and precision. Using the proposed fuzzy similarity measure, FSM, we obtain a F1 value equal to 0.6550, which outperforms the PIP and NHSM respectively by %17 and %20. Also, the MAE value based on the proposed fuzzy similarity measure is equal to 0.4604, which outperforms the NHSM by %5. We have also observed an improvement in recall and precision using the proposed similarity measure.
کلیدواژه‌های انگلیسی مقاله سیستم‌های توصیه‌گر, فیلترینگ همکاری, اندازه‌گیری شباهت, مجموعه فازی, معیار FSM
نویسندگان مقاله منصوره شجاعی |
دانشگاه علوم و تحقیقات، تهران

حسن صانعی فر |
گروه کامپیوتر، دانشگاه رجا قزوین، ایران

نشانی اینترنتی https://jscit.nit.ac.ir/article_99577_c69d13ccf54ad9b33dd03be514a6ab5f.pdf
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