کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4947254 1439573 2017 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Semantics-aware content-based recommender systems: Design and architecture guidelines
ترجمه فارسی عنوان
سیستم های توصیه شده مبتنی بر محتوا معناشناسانه: دستورالعمل های طراحی و معماری
کلمات کلیدی
سیستم های پیشنهاد دهنده معنی شناختی، تجزیه و تحلیل معنایی، طرح، معماری،
ترجمه چکیده
سیستم های توصیه شده با استفاده از تعاملات کاربران با سیستم، موارد را می یابند (به عنوان مثال، انتخاب فیلم ها برای توصیه به کاربر بر اساس آنهایی است که قبلا ارزیابی شده است). به طور خاص، سیستم های مبتنی بر محتوا مواردی را پیشنهاد می کنند که محتوا آن ها مشابه مواردی است که توسط یک کاربر ارزیابی می شود. یک دامنه کاربرد در حال ظهور در سیستم های توصیه شده بر اساس محتوا، با توجه به معناشناسی پشت توضیح مورد، به منظور بیان ابهام در کلمات در شرح و بهبود دقت توصیه می شود. با این حال، پدیده های مختلف مانند تغییر در تنظیمات کاربر در طول زمان و یا استفاده از حساب کاربری اش توسط اشخاص ثالث ممکن است با توجه به مواردی که اصلاحات شخصی کاربران را منعکس نکنند، بر دقت تاثیر می گذارد. از ابتدای تجزیه و تحلیل ادبیات و معماری ارائه شده در یک نظرسنجی اخیر، در این مقاله ابتدا محدودیت های فعلی در این منطقه را برجسته می کنیم، سپس پیشنهادات طراحی و معماری بهبود یافته برای ایجاد توصیه های مبتنی بر محتوای مبتنی بر معنایی پیشنهاد می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
سیستم های توصیه شده مبتنی بر محتوا معناشناسانه: دستورالعمل های طراحی و معماری
چکیده انگلیسی
Recommender systems suggest items by exploiting the interactions of the users with the system (e.g., the choice of the movies to recommend to a user is based on those she previously evaluated). In particular, content-based systems suggest items whose content is similar to that of the items evaluated by a user. An emerging application domain in content-based recommender systems is represented by the consideration of the semantics behind an item description, in order to have a disambiguation of the words in the description and improve the recommendation accuracy. However, different phenomena, such as changes in the preferences of a user over time or the use of her account by third parties, might affect the accuracy by considering items that do not reflect the actual user preferences. Starting from an analysis of the literature and of an architecture proposed in a recent survey, in this paper we first highlight the current limits in this research area, then we propose design guidelines and an improved architecture to build semantics-aware content-based recommendations.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 254, 6 September 2017, Pages 79-85
نویسندگان
, , , ,