Please use this identifier to cite or link to this item:
http://localhost/handle/Hannan/4230
| Title: | مقایسه تاثیر تحلیل احساسات و رتبه بندي کاربران بر عملکرد سیستم هاي پیشنهاد دهنده |
| Authors: | فاطمه عباسی;آمنه خدیور |
| Year: | 1398 |
| Abstract: | در سال هاي گذشته، ظهور شبکه هاي اجتماعی منجر به افزایش توجه به سمت سیستم هاي پیشنهاد دهنده مبتنی بر نظرها شده است. هدف از توسعه چنین سیستم هایی استفاده از اطلاعات ارزشمند الگوسازي و ارائه پیشنهاد است. در محیط شبکه هاي اجتماعی به طور معمول سیستمهاي پیشنهاددهنده مبتنی بر پالایه نمودن مشارکتی براي ارائه توصیه به کاربران استفاده می شود. اساس کار این رویکرد، تجربه و نظر سایر افراد براي خرید اقلام و محصولات است. در این پژوهش سیستمی براي ارائه توصیه به کابران براي خرید کتاب با ترکیب فیلتریگ مشارکتی و تحلیل احساسات ارائه شد. براي تحلیل احساسات از الگوهاي ترکیبی براي استخراج عقاید نظرهاي کاربران استفاده شد. در رویکرد ترکیبی از رأگیري مبتنی بر وزن جهت الگوسازي استفاده گردیده است. الگو پیاده سازي شده بر نظرهاي 7210 کاربر و خریدار کتاب تارنماي آمازون که از راه خزنده وب از تارنما آمازون استخراج شده اند، ارزیابی شده است. براي ارائه توصیه به کاربران پس از تشکیل شباهت میان اقلام استخراج می شود و در انتها اقلام مشابه با محصولاتی که هر کاربر به آن نمره خوبی داده است، به عنوان محصول پیشنهادی ارائه می شود. تحلیل احساسات نظر کاربران بر پیشنهاد کالاهاي موردعلاقه کاربر و عملکرد سیستمهاي پیشنهاددهنده تأثیر مثبتی دارد. |
| URI: | http://localhost/handle/Hannan/4230 |
| Appears in Collections: | مدیریت فناوری اطلاعات |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| mdrsjrns-v11n4p75-fa.pdf | 373.55 kB | Adobe PDF |
| Title: | مقایسه تاثیر تحلیل احساسات و رتبه بندي کاربران بر عملکرد سیستم هاي پیشنهاد دهنده |
| Authors: | فاطمه عباسی;آمنه خدیور |
| Year: | 1398 |
| Abstract: | در سال هاي گذشته، ظهور شبکه هاي اجتماعی منجر به افزایش توجه به سمت سیستم هاي پیشنهاد دهنده مبتنی بر نظرها شده است. هدف از توسعه چنین سیستم هایی استفاده از اطلاعات ارزشمند الگوسازي و ارائه پیشنهاد است. در محیط شبکه هاي اجتماعی به طور معمول سیستمهاي پیشنهاددهنده مبتنی بر پالایه نمودن مشارکتی براي ارائه توصیه به کاربران استفاده می شود. اساس کار این رویکرد، تجربه و نظر سایر افراد براي خرید اقلام و محصولات است. در این پژوهش سیستمی براي ارائه توصیه به کابران براي خرید کتاب با ترکیب فیلتریگ مشارکتی و تحلیل احساسات ارائه شد. براي تحلیل احساسات از الگوهاي ترکیبی براي استخراج عقاید نظرهاي کاربران استفاده شد. در رویکرد ترکیبی از رأگیري مبتنی بر وزن جهت الگوسازي استفاده گردیده است. الگو پیاده سازي شده بر نظرهاي 7210 کاربر و خریدار کتاب تارنماي آمازون که از راه خزنده وب از تارنما آمازون استخراج شده اند، ارزیابی شده است. براي ارائه توصیه به کاربران پس از تشکیل شباهت میان اقلام استخراج می شود و در انتها اقلام مشابه با محصولاتی که هر کاربر به آن نمره خوبی داده است، به عنوان محصول پیشنهادی ارائه می شود. تحلیل احساسات نظر کاربران بر پیشنهاد کالاهاي موردعلاقه کاربر و عملکرد سیستمهاي پیشنهاددهنده تأثیر مثبتی دارد. |
| URI: | http://localhost/handle/Hannan/4230 |
| Appears in Collections: | مدیریت فناوری اطلاعات |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| mdrsjrns-v11n4p75-fa.pdf | 373.55 kB | Adobe PDF |
| Title: | مقایسه تاثیر تحلیل احساسات و رتبه بندي کاربران بر عملکرد سیستم هاي پیشنهاد دهنده |
| Authors: | فاطمه عباسی;آمنه خدیور |
| Year: | 1398 |
| Abstract: | در سال هاي گذشته، ظهور شبکه هاي اجتماعی منجر به افزایش توجه به سمت سیستم هاي پیشنهاد دهنده مبتنی بر نظرها شده است. هدف از توسعه چنین سیستم هایی استفاده از اطلاعات ارزشمند الگوسازي و ارائه پیشنهاد است. در محیط شبکه هاي اجتماعی به طور معمول سیستمهاي پیشنهاددهنده مبتنی بر پالایه نمودن مشارکتی براي ارائه توصیه به کاربران استفاده می شود. اساس کار این رویکرد، تجربه و نظر سایر افراد براي خرید اقلام و محصولات است. در این پژوهش سیستمی براي ارائه توصیه به کابران براي خرید کتاب با ترکیب فیلتریگ مشارکتی و تحلیل احساسات ارائه شد. براي تحلیل احساسات از الگوهاي ترکیبی براي استخراج عقاید نظرهاي کاربران استفاده شد. در رویکرد ترکیبی از رأگیري مبتنی بر وزن جهت الگوسازي استفاده گردیده است. الگو پیاده سازي شده بر نظرهاي 7210 کاربر و خریدار کتاب تارنماي آمازون که از راه خزنده وب از تارنما آمازون استخراج شده اند، ارزیابی شده است. براي ارائه توصیه به کاربران پس از تشکیل شباهت میان اقلام استخراج می شود و در انتها اقلام مشابه با محصولاتی که هر کاربر به آن نمره خوبی داده است، به عنوان محصول پیشنهادی ارائه می شود. تحلیل احساسات نظر کاربران بر پیشنهاد کالاهاي موردعلاقه کاربر و عملکرد سیستمهاي پیشنهاددهنده تأثیر مثبتی دارد. |
| URI: | http://localhost/handle/Hannan/4230 |
| Appears in Collections: | مدیریت فناوری اطلاعات |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| mdrsjrns-v11n4p75-fa.pdf | 373.55 kB | Adobe PDF |