کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4948540 1439617 2016 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An intelligent movie recommendation system through group-level sentiment analysis in microblogs
ترجمه فارسی عنوان
یک سیستم توصیه هوشمند از طریق تجزیه و تحلیل احساسات گروهی در میکروبلاگها
کلمات کلیدی
فیلتر کردن همگانی، میکروبلاگ، توصیه ها، کشف دانش، تجزیه و تحلیل رفتار،
ترجمه چکیده
ظهور سایت های به اشتراک گذاری رسانه های آنلاین (مثلا یوتیوب، یوگو و هولو) چالش های جدیدی را در پیشنهاد برنامه در شبکه های آنلاین معرفی کرده اند. با این وجود، تنگنا وجود دارد که میزان مشاهده سیاهه های مشاهده و شبکه های دوستیابی کاربر برای طراحی الگوریتم های پیشنهاد کننده موثر بسیار محدود است. بنابراین، اجرای سیستم برنامه توصیه هوشمند برای این سایت ها مهم است. در این کار، ما یک مدل جدید ارائه می دهیم که به اطلاعات شبکه های اجتماعی و مشخصات ترجیحات کاربر معدن بیان شده در میکروبلاگ ها برای ارزیابی شباهت بین فیلم های آنلاین و قسمت های تلویزیونی می پردازد. به گفته ی ما، این اولین تلاش برای از بین بردن شکاف بین دامنه تماشاگر فیلم و تلویزیون با فعالیت های شبکه ی اجتماعی است. علاوه بر این، اولین روش است که می تواند راه اندازی سرد مشکل در سیستم توصیه تلویزیون و تلویزیون. در این کار از روشهای داده کاوی و مدل محاسبات اجتماعی استفاده شده است. برنامه های مشابهی که از شبکه اجتماعی یافت می شوند بیشتر برای نشان دادن برنامه ها در سایر دستگاه های رسانه ای مورد استفاده قرار می گیرند. این کار می تواند به راحتی در سایت های جریان رسانه های آنلاین به کار گرفته شود تا توصیه های هوشمندانه برنامه ها را از طریق میکروبلاگ های معدن به مشتریان انجام دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک سیستم توصیه هوشمند از طریق تجزیه و تحلیل احساسات گروهی در میکروبلاگها
چکیده انگلیسی
The emergence of the online media sharing sites (e.g. Youtube, Youku, and Hulu) have introduced new challenges in program recommendation in online networks. However, there is a bottleneck that the amount of available viewing logs and user friendship networks are too limited to design effective recommendation algorithms. Thus, carrying out an intelligent program recommendation system is important for these sites. In this work, we propose a novel model which turns to the social networks and mine user preferences information expressed in microblogs for evaluating the similarity between online movies and TV episodes. To the best of our knowledge, it is the first effort to bridge the gap between movie and TV watchers domain with social network activities. Moreover, it is the first approach that can solve the “cold-start” problem in movie and TV recommendation system. Series of data mining approaches and social computing models have been adopted in this work. Similar programs found from the social network are further used to suggest programs in other media devices. This work can be easily applied in online media streaming sites in order that intelligent recommendations of programs can be made to the customers through mining microblogs.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 210, 19 October 2016, Pages 164-173
نویسندگان
, , , ,