کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4948301 | 1439614 | 2016 | 7 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
How to find appropriate automobile exhibition halls: Towards a personalized recommendation service for auto show
ترجمه فارسی عنوان
چگونه برای پیدا کردن سالن های نمایشگاه مناسب خودرو: به سمت یک سرویس توصیه شخصی برای نشان دادن خودکار
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
نمایش خودکار، سالن نمایشگاه خودرو، توصیه ها، پروفایل
ترجمه چکیده
این مقاله روش پیشنهادی جدیدی را پیشنهاد می کند تا بازدیدکنندگان را برای یافتن مکان های مناسب نمایشگاه های خودرو خود برای نشان دادن خودکار، راهنمایی کند. در روش پیشنهادی، به نظر میرسد ویژگیهای زمانبندی رفتاری بازدیدکنندگان برای ایجاد پروفایل آنها، و سپس منافع آنها بر اساس خوشه بندی بازدیدکنندگان استخراج میشود. بعد، سه ماژول از جمله ماژول مربوطه، ماژول کیفیت و ماژول ادغام برای رتبه بندی اولویت بازدید کنندگان از سالن های نمایشگاه توسعه داده شده است. در نهایت، سالن های نمایشگاه بسیار مورد علاقه شخصی هستند و به بازدید کنندگان مناسب توصیه می شود. در ماژول های پیشنهادی، ماژول مربوطه برای اندازه گیری رابطه نمایشگاه خودرو و یک بازدید کننده توسعه داده شده است، در حالی که ماژول کیفیت برای تجزیه و تحلیل کیفیت هر یک از نمایشگاه خودرو ساخته شده است. ماژول ادغام این است که دو ماژول بالا را برای توصیه نمایش خودرو مناسب انتخاب کنیم. رویکرد پیشنهادی با استفاده از داده های دنیای واقعی به خوبی مورد تایید قرار گرفته و در مقایسه با چندین مدل پایه مقایسه شده است. نتایج تجربی ما نشان می دهد که از نظر معیارهای ارزشی شناخته شده، روش پیشنهادی می تواند نتایج توصیه های مفیدی را به دست آورد و یافته های ما نشان می دهد که روش پیشنهادی می تواند به هر دو بازدید کننده کمک کند که یک سالن نمایشگاه مناسب تر را پیدا کند و مدیریت کند افسران برای کاهش هزینه های مدیریت بیشتر.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
This paper proposes a novel recommendation methodology to guide visitors to find their proper automobile exhibition halls for auto show. In the proposed method, spatio-temporal features of visitors' behavior are first considered to construct their profiling, and then their interests are extracted based on visitors' clustering. Next, three modules including relevance module, quality module and integration module are developed for ranking visitors' preference of exhibition halls. Finally, highly desired exhibition halls are personalized and recommended to proper visitors. In the proposed modules, the relevance module is developed to measure the relationship of an automobile exhibition and a visitor, while the quality module is constructed to analyze the quality of each automobile exhibition. The integration module is to combine two modules above for recommending appropriate automobile exhibition. The proposed approach is well validated using a real world dataset, and compared with several baseline models. Our experimental results indicate that in terms of the well-known evaluation metrics, the proposed method can achieve more useful and feasible recommendation results, and our finding highlights that the proposed method can help both visitors to find a more appropriate automobile exhibition halls, and manage officers to reduce more management cost.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 213, 12 November 2016, Pages 95-101
Journal: Neurocomputing - Volume 213, 12 November 2016, Pages 95-101
نویسندگان
Danhuai Guo, Yingqiu Zhu, Wei Xu, Shuo Shang, Zhiming Ding,