کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
5103132 | 1480099 | 2017 | 20 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Effect of recent popularity on heat-conduction based recommendation models
ترجمه فارسی عنوان
تأثیر محبوبیت اخیر بر روی مدل توصیه گرایی هدایت
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
سیستم توصیهگر، انتقال حرارت، محبوبیت اخیر، دقت،
ترجمه چکیده
دقت و تنوع دو مورد مهم در ارزیابی عملکرد سیستم های توصیه می شود. نشان داده شده است که مدل توصیه شده با فرآیند هدایت گرما دارای تنوع زیاد و دقت کمتری است. بسیاری از انواع به منظور بهبود دقت در حالی که تنوع بالا وجود دارد، بسیاری از آنها اشاره گر گره فعلی مورد به عنوان محبوبیت آن است. با این حال، به این ترتیب، تعداد زیادی از اقلام قدیمی که ممکن است به تعداد زیادی از کاربران توصیه شوند. در این مقاله، با توجه به روش های هدایت گرما، محبوبیت اخیر (به تازگی افزایش درجه مورد) را در نظر گرفته ایم و بر این اساس پیشنهاد مدل های پیشنهاد شده را پیشنهاد می کنیم. نتایج تجربی در دو مجموعه داده های معیار نشان می دهد که دقت می تواند تا حد زیادی بهبود یافته در حالی که حفظ تنوع بالا در مقایسه با مدل های اصلی.
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
فیزیک ریاضی
چکیده انگلیسی
Accuracy and diversity are two important measures in evaluating the performance of recommender systems. It has been demonstrated that the recommendation model inspired by the heat conduction process has high diversity yet low accuracy. Many variants have been introduced to improve the accuracy while keeping high diversity, most of which regard the current node-degree of an item as its popularity. However in this way, a few outdated items of large degree may be recommended to an enormous number of users. In this paper, we take the recent popularity (recently increased item degrees) into account in the heat-conduction based methods, and propose accordingly the improved recommendation models. Experimental results on two benchmark data sets show that the accuracy can be largely improved while keeping the high diversity compared with the original models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 474, 15 May 2017, Pages 334-343
Journal: Physica A: Statistical Mechanics and its Applications - Volume 474, 15 May 2017, Pages 334-343
نویسندگان
Wen-Jun Li, Qiang Dong, Yang-Bo Shi, Yan Fu, Jia-Lin He,