آشنایی با موضوع

باپیشرفت سریع تکنولوژی،اینترنت و افزایش تجارت الکترونیک وجود مکانیزمی که بتواند نیازها و خواسته های کاربران را پیش بینی کند لازم و ضروری به نظر میرسد، به این منظور سیستم های پیشنهاد دهنده به وجود آمدند. سیستم های پیشنهاد دهنده سیستم هایی هستند که در پیدا کردن و انتخاب نمودن آیتم های مورد نظر کاربران به آنها کمک می کنند. طبیعی است که این سیستم ها بدون در اختیار داشتن اطلاعات کافی و صحیح در مورد کاربران و آیتم های مورد نظر آنها (بعنوان مثال فیلم، موزیک، کتاب و. . . ) قادر به پیشنهاد دادن نمی باشند. بنابراین یکی از اساسی ترین اهداف آنها جمع آوری اطلاعات گوناگون در رابطه با سلایق کاربران و آیتم های موجود در سیستم است. منابع و روش های گوناگونی برای جمع آوری چنین اطلاعاتی وجود دارد. یک روش جمع آوری اطلاعات بصورت صریح که در آن کاربر صراحتا اعلام می کند که به چه چیز هایی علاقه دارد ( بعنوان نمونه با امتیاز دادن (rate) به یک موزیک). روش دیگر روش ضمنی است که کمی دشوار تر است و در آن سیستم باید صلایق کاربر را با کنترل و دنبال کردن رفتار ها و فعالیت های او بیابد ( بعنوان مثال باید ببینید کاربر به چه موزیک هایی بیشتر گوش می دهد، چه صفحاتی را بازدید می کند، با چه کسانی در ارتباط است و. . . ). علاوه بر اطلاعات ضمنی و صریح برخی از سیستم ها نیز هستند که از اطلاعات شخصی کاربران استفاده می کنند. بعنوان مثال سن، جنسیت و ملیت کاربران می تواند منبع خوبی برای شناخت کاربر و ارائه پیشنهاد به وی باشد. به این گونه از اطلاعات دموگرافیک گفته می‌شود که گروهی از سیستم‌های توصیه گر مبتنی بر همین اطلاعات بنا شده‌اند. با ظهور اینترنت و گسترش شبکه های اجتماعی در سال های اخیر محققین به منبع اطلاعاتی دیگری برای بهبود کیفیت توصیه ها پی بردند که همان اطلاعات موجود در شبکه های اجتماعی بود و بر همین اساس کارهای تحقیقاتی زیادی در این حوزه شکل ریزی گردید. هدف از ارائه الگوریتم های مختلف برآوردن نیازهای مانند دقت، نوآوری و پایداری روشهای پیشنهاد دهنده می باشد. شبکه های اجتماعی یک محیط قابل انعطاف در اختیار کاربران قرار می دهد که از طریق آن می توانند با کاربران دیگر در تعامل باشند
در این صفحه تعداد 336 مقاله تخصصی درباره سامانه توصیه‌گر که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید.
در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI ترجمه شده سامانه توصیه‌گر
مقالات ISI سامانه توصیه‌گر (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند.
در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: سامانه توصیه‌گر; Systematic review of the literature; Recommender systems; Machine learning; Machine learning algorithms; Application domains; Performance metrics;