پردازش علائم و داده ها، جلد ۱۹، شماره ۱، صفحات ۰-۰
عنوان فارسی ارائه یک سیستم توصیه‌گر ترکیبی مبتنی بر آنتولوژی برای مقابله با مشکل شروع سرد
چکیده فارسی مقاله انتظار می­رود سیستم های توصیه­گر ( ) آیتم­های دقیق را به مصرف کنندگان پیشنهاد دهند. شروع سرد مهم­ترین چالش در RS ها است.RS های ترکیبی اخیر، دو مدل  و  را  با هم ترکیب می­کنند. در این پژوهش، یک  ترکیبی مبتنی بر هستان­شناسی معرفی می­شود که در آن هستان­شناسی در بخش   به­کار رفته است، این در حالی است که ساختار هستان­شناسی توسط بخش  بهبود داده می­شود. در این مقاله، رویکرد ترکیبی جدیدی مبتنی بر ترکیب شباهت جمعیت­شناختی و شباهت کسینوسی بین کاربران به­منظور حل مشکل شروع سرد از نوع کاربر جدید، ارائه شده است. همچنین، رویکرد جدیدی مبتنی بر ترکیب شباهت هستان­شناسی و شباهت کسینوس بین اقلام به منظور حل مسئله شروع سرد نوع جدید، ارائه شده است. ایده اصلی روش پیشنهادی گسترش پروفایل های کاربر-آیتم بر اساس سازوکارهای مختلف برای ایجاد پروفایل با عملکرد بالاتر برای کاربران-آیتم­ها است. روش پیشنهادی در یک مجموعه داده واقعی ارزیابی شده است و آزمایش­ها نشان می­دهند که روش پیشنهادی در مقایسه با روش­های پیشرفتهRS ، به خصوص در مورد شروع سرد، عملکرد بهتری دارد.
کلیدواژه‌های فارسی مقاله سیستم توصیه‌گر، هستان‌شناسی، توسعه پروفایل، سیستم توصیه‌گرترکیبی
عنوان انگلیسی An ontological hybrid recommender system for dealing with cold start problem
چکیده انگلیسی مقاله Recommender Systems ( ) are expected to suggest the accurate goods to the consumers. Cold start is the most important challenge for RSs. Recent hybrid s combine  and . We introduce an ontological hybrid RS where the ontology has been employed in its  part while improving the ontology structure by its  part. In this paper, a new hybrid approach is proposed based on the combination of demographic similarity and cosine similarity between users in order to solve the cold start problem of new user type. Also, a new approach is proposed based on the combination of ontological similarity and cosine similarity between items in order to solve the cold start problem of new item type. The main idea of the proposed method is to expand user/item profiles based on different strategies to build higher-performing profiles for users/items. The proposed method has been evaluated on a real dataset and the experimentations indicate the proposed method has the better performance comparing with the state of the art RS methods, especially in the case of the cold start.
کلیدواژه‌های انگلیسی مقاله Recommender system, Hybrid recommender system, Ontology, Profile expansion.
نویسندگان مقاله پیام بحرانی | payam bahrani
1Department of Computer Engineering, Science and Research branch, Islamic Azad University, Tehran
گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران

بهروز مینایی بیدگلی | Behrouz Minaei Bidgoli
2Department of Computer Engineering, Iran University of Science and Technology, Tehran
دانشگاه علو صنعت ایران

حمید پروین | Hamid Parvin
3Department of Computer Engineering, Nourabad Mamasani Branch, Islamic Azad University, Nourabad Mamasani, IR
دانشگاه آزاد اسلامی واحد نورآباد ممسنی، فارس، ایران

میترا میرزارضایی | Mitra Mirzarezaee
5Department of Electrical Engineering, Persian Gulf University, Bushehr
گروه مهندسی برق، دانشگاه خلیج فارس، بوشهر، ایران

احمد کشاورز | Ahmad Keshavarz
5Department of Electrical Engineering, Persian Gulf University, Bushehr
گروه مهندسی برق، دانشگاه خلیج فارس، بوشهر، ایران

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-279-14&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش داده‌های رقمی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات