کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10322086 660813 2014 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A framework for tag-aware recommender systems
ترجمه فارسی عنوان
چارچوب سیستم های پیشنهاد دهنده برچسب
کلمات کلیدی
توصیه ها، سیستم برچسب گذاری اجتماعی، برچسب ها چارچوب هیبرید،
ترجمه چکیده
در سیستم برچسب زدن اجتماعی، یک کاربر برچسب یک مورد را اعلان می کند. اطلاعات برچسب گذاری در فرآیند توصیه استفاده می شود. در این مقاله، پیشنهاد روش ترکیبی اقلام پیشنهاد شده برای کاهش محدودیت های رویکرد های موجود و پیشنهاد یک چارچوب توصیه برای سیستم های برچسب زدن اجتماعی ارائه می کنیم. چارچوب پیشنهادی شامل توصیه های تگ و آیتم است. توصیه نامه به کاربران کمک می کند تا برچسب ها را حاشیه نویسی کنند و مجموعه داده های یک سیستم برچسب گذاری اجتماعی را غنی سازند. پیشنهاد مورد با استفاده از برچسب ها برای توصیف موارد مربوط به کاربران است. ما در رابطه با قانون ارتباط، بزرگتر، گسترش تگ، و رابطه اعتماد ضمنی برای ارائه توصیه های تگ و آیتم در چارچوب تحقیق می کنیم. نتایج تجربی نشان می دهد که پیشنهاد روش ترکیبی پیشنهاد شده موارد مناسبتری را نسبت به مطالعات تحقیقاتی موجود در یک مجموعه داده های برچسب گذاری اجتماعی در دنیای واقعی ایجاد می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
چارچوب سیستم های پیشنهاد دهنده برچسب
چکیده انگلیسی
In social tagging system, a user annotates a tag to an item. The tagging information is utilized in recommendation process. In this paper, we propose a hybrid item recommendation method to mitigate limitations of existing approaches and propose a recommendation framework for social tagging systems. The proposed framework consists of tag and item recommendations. Tag recommendation helps users annotate tags and enriches the dataset of a social tagging system. Item recommendation utilizes tags to recommend relevant items to users. We investigate association rule, bigram, tag expansion, and implicit trust relationship for providing tag and item recommendations on the framework. The experimental results show that the proposed hybrid item recommendation method generates more appropriate items than existing research studies on a real-world social tagging dataset.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 41, Issue 8, 15 June 2014, Pages 4000-4009
نویسندگان
, ,