پديد آورنده :
قرائتي، اميرحسين
عنوان :
ارائه روش جديد در سامانه هاي توصيه گر با رويكرد پالايش گروهي
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان،دانشكده برق و كامپيوتر
صفحه شمار :
نه، 64ص.: مصور
يادداشت :
ص.ع. به فارسي و انگليسي
استاد راهنما :
رسول موسوي، چنگيز اصلاح چي
تاريخ نمايه سازي :
26/3/94
استاد داور :
عبدالرضا ميرزايي
تاريخ ورود اطلاعات :
1396/10/02
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده سامانههاي توصيهگر ابزارهاي نرم افزاري و تكنيكهايي هستند كه براي كاربران پيشنهادهايي از آيتمها تهيه ميكنند امروزه با رشد سريع وب و اطالعات موجود بر روي آن سامانههاي توصيهگر توجه زيادي به خود جلب كردهاند بسياري از وبسايتهاي معتبر براي ارائه خدمات به كاربران خود از يك توصيهگر بهره ميبرند بهطور كلي يك سامانه توصيهگر با رويكرد پااليش گروهي از كاربران و آيتمها تشكيل شده است به شكلي كه هر كاربر تعدادي از آيتمها را در كتابخانه خود جمع آوري كرده و سامانه توصيهگر با توجه به اين آيتمها و آيتمهايي كه ديگر كاربران جمع آوري كردهاند آيتمهاي جديدي كه كاربر تا به حال جمع آوري نكرده و احتماال به آنها عالقمند باشد به او پيشنهاد ميدهد تاكنون براي توسعه توصيهگرها از تكنيكها و تكنولوژيهاي مختلفي استفاده شده است ما در اين تحقيق روش جديدي در سامانههاي توصيهگر با رويكرد پااليش گروهي ارائه ميدهيم كه بر اساس حافظه است و از تشابه بين دو كاربر براي توليد پيشنهاد استفاده ميكند همچنين با تعريف يك همسايگي وزندار در بين آيتمها يك پس زمينه كلي از عالقه به آيتمها را در نطر ميگيريم كه با عث افزايش دقت پيشگويي الگوريتم جديد ميشود مجموعه داده ويژهاي با نام MovieLens براي ارزيابي توصيهگرها ايجاد شده كه اكثر توصيهگرها را با اين مجموعه داده ارزيابي كردهاند ما روش پيشنهادي در اين پاياننامه را با روشي كاربر محور بر اساس همبستگي پيرسون كه يكي از پركاربردترين روشها در بين روشهاي كاربرر محور است و روشهاي NBIw NBI و INBI كه بر اساس دانش فعلي ما نتايج ارزيابي قابل قبولي در بين ديگر روشهاي آيتم محور دارند مقايسه كردهايم نتايج آزمايشات با توجه به معيارهاي ارزيابي نشان ميدهد روش پيشنهادي نتايج ارزيابي بهتري نسبت به اين روشها دارد
چكيده انگليسي :
Introducing a New Method in Recommendation Systems with Collaborative Filtering Amirhossein Gheraati Date of submission 2014 Department Of Electrical and Computer Engineering Isfahan University of Technology Isfahan Iran Degree M Sc Language FarsiSupervisors Dr Seyed Rasoul Mousavi Dr Changiz EslahchiAbstractRecommender systems are software tools and techniques that provide users with recommendationsof items Nowadays with the rapid growth of the web and the information on it recommendersystems have attracted much attention Many reputable web sites use a recommender system forgiving services to the users Generally recommender systems are composed of users and items inthe way that each user has collected some items in its library The recommender system consideringthese items and the others that the users have collected recommends the items that the users havenot collected and may be interested in By now many techniques have been used for developing the recommender In this research weprovide a new method for recommendation systems with collaborative filtering approach that havebetter results than studied methods A particular dataset called MovieLens is created to assess the recommenders that the mostrecommenders are evaluated by this dataset In this thesis we have compared the proposed methodwith Weighted Pearson algorithm which is user based and NBI NBIW and INBI that have betterevaluating result than other item based methods based on our current knowledge The resultsaccording to the evaluation shows that the proposed method is better than these methods Keywords Recommendation Systems RS Collaborative Filtering CF Network Based Inference NBI Bipartite Networks
استاد راهنما :
رسول موسوي، چنگيز اصلاح چي
استاد داور :
عبدالرضا ميرزايي
