کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4943093 1437623 2017 28 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hybrid recommender system using artificial neural networks
ترجمه فارسی عنوان
یک سیستم پیشنهاد دهنده ترکیبی با استفاده از شبکه های عصبی مصنوعی
کلمات کلیدی
بازیابی اطلاعات، شبکه های عصبی مصنوعی، سیستم توصیهگر، نظارت بر یادگیری،
ترجمه چکیده
در زمینه سیستم های توصیه شده، اطلاعات فراداده از بررسی هایی که برای کسب و کار نوشته شده اند به ندرت در سیستم های سنتی توسعه یافته است که با استفاده از رویکردهای فیلتر محتوا و همکاری سازگار است. فیلترینگ همکاری و فیلترینگ مبتنی بر محتوا روشهای مبتنی بر حافظه برای توصیه محصولات جدید به کاربران است اما از برخی محدودیت ها رنج می برند و نتوانسته اند توصیه های مؤثر در بسیاری از موارد را ارائه دهند. در این مقاله، یک چارچوب شبکه آموزش عصبی عمیق ارائه می کنیم که با استفاده از بررسی ها علاوه بر ویژگی های مبتنی بر محتوا برای ایجاد پیش بینی های مبتنی بر مدل برای ترکیب های کسب و کار کاربر می باشد. ما نشان می دهیم که مجموعه ای از محتوا و ویژگی های مشترک اجازه می دهد تا برای توسعه یک مدل شبکه عصبی با هدف به حداقل رساندن خطا و رتبه خطای اشتباه طبقه بندی با استفاده از الگوریتم بهینه سازی قطره بار تصادفی. ما تجربی نشان می دهیم که رویکرد هیبریدی در مقایسه با روش فیلترینگ همکاری مبتنی بر حافظه مستقل، یک راه حل بسیار امیدوار کننده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک سیستم پیشنهاد دهنده ترکیبی با استفاده از شبکه های عصبی مصنوعی
چکیده انگلیسی
In the context of recommendation systems, metadata information from reviews written for businesses has rarely been considered in traditional systems developed using content-based and collaborative filtering approaches. Collaborative filtering and content-based filtering are popular memory-based methods for recommending new products to the users but suffer from some limitations and fail to provide effective recommendations in many situations. In this paper, we present a deep learning neural network framework that utilizes reviews in addition to content-based features to generate model based predictions for the business-user combinations. We show that a set of content and collaborative features allows for the development of a neural network model with the goal of minimizing logloss and rating misclassification error using stochastic gradient descent optimization algorithm. We empirically show that the hybrid approach is a very promising solution when compared to standalone memory-based collaborative filtering method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 83, 15 October 2017, Pages 300-313
نویسندگان
, , ,