| نوع مدرک: | متون چاپی |
| سرشناسه | فرجی بیرگانی ، مریم، نویسنده |
| رده‌بندی کنگره : | COM soft 12 1397 |
| عنوان : | ارائه روشی برای دسته‌بندی کاربران در شبکه‌های اجتماعی جهت بهبود سیستمهای توصیه‌گر آنلاین |
| ناشر: | دانشگاه شهیداشرفی اصفهانی : بی نا |
| سال نشر : | 1395 |
| صفحه شمار: | ث، 104ص |
| شابک/شاپا | 22732 |
| یادداشت | پایان نامه کارشناسی ارشد : مهندسی کامپیوتر نرم افزار |
| شناسه افزوده : | خیام باشی ، محمدرضا، استاد راهنما |
| توصیفگرها | شبکه‌اجتماعی سیستمهای توصیه‌گر دسته‌بندی کاربران جوامع آنلاین انتشار برچسبsocial network recommender systems user's categorization on-line communities tag publishing |
| چکیده : | سیستمهای توصیه‌گر در میـان حجم عظیمی از انتـخاب‌های ممکن برای رسیدن به گزینه‌های مفید و مورد علاقه کاربـران، به‌عنـوان سیستـم‌های تأثیرگذار به‌منظور راهنمایی و هدایت افراد به‌کار گرفته شدند. برای ایجاد یک سیستم توصیه‌گر قدرتمند باید مهمترین چالش یعنی تعیین جامعه مطابق با علایق فرد را رفع نمود. برای این منظور در‌این تحقیق از الگوریتم خوشه‌بندی برای خوشه‌بندی افراد در شبکه‌های اجتماعی به‌منظور ایجاد یک سیستم توصیه‌گر استفاده شده است، با‌استفاده‌از خوشه‌بندی می‌توان افراد را بر‌اساس سلایق یکسان در دسته‌های یکسان قرار داد. الگوریتم خوشه‌بندی مورد استفاده در‌این پژوهش الگوریتم انتشار برچسب نام دارد که بزرگترین مزیت این الگوریتم تعیین خودکار تعداد خوشه می‌باشد. زیرا هیچگاه نمی‌توان در یک شبکه اجتماعی تعداد دسته‌هایی که می‌توان افراد را در‌آن قرار داد، تعیین نمود و‌‌این بزرگترین مشکل در خوشه‌بندی این‌گونه سیستمهای پویا می‌باشد. بر‌اساس این‌سیستم خوشه‌بندی افراد بر‌اساس نزدیک‌ترین فاصله‌ای که بر‌اساس ویژگی- های ثبت شده در مجموعه اعداد با یکدیگر دارند، در‌یک خوشه قرار می‌گیرند و نیازی به تعیین خوشه وجود ندارد. این عملیات تا زمانی‌که دیگر فردی بیخوشه‌ای وجود نداشته باشد، ادامه خواهد داشت. پس‌از خوشه‌بندی افراد در دسته‌های مختلف می‌توان از آیتم‌های انتخابی افراد دیگر در یک خوشه برای توصیه به افراد دیگر در همان خوشه استفاده نمود. با استفاده از آزمایشات و نمودارها و نتایج به‌دست آمده ازمقایسه عملکرد روش ارائه شده بر‌روی مجموعه اعداد مووی لینز میزان دقت تشخیص الگوریتم در تمامی آزمایشات بهتر از روش های fcum و روشهای دیگر بوده است. بر‌اساس آزمایشات انجام شده مقدار پارامتر recall از بهبودی در‌حدود ده درصد نسبت به الگوریتم fcum و شش درصد نسبت به الگوریتم course cluster دارا می‌باشد. در‌میزان پارامتر precision نیز میزان پانزده درصد نسبت به الگوریتم fcum و مقدار هشت درصد نسبت به الگوریتمcourse cluster بهبود وجود داشته است و در‌نهایت در پارامتر f که ترکیب این دو پارامتر می‌باشد بهبودی در‌حدود بیست درصد نسبت به الگوریتم fcum و بهبودی در‌حدود پانزده درصد نسبت به الگوریتمcourse cluster به‌دست آورده شد |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=1291 |
| زبان مدرک : | فارسی |
ارائه روشی برای دسته‌بندی کاربران در شبکه‌های اجتماعی جهت بهبود سیستمهای توصیه‌گر آنلاین (1395) / فرجی بیرگانی ، مریم، نویسنده