کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6901771 1446496 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multi-View Data approaches in Recommender Systems: an Overview
ترجمه فارسی عنوان
رویکردهای چندرسانه ای در سیستم های توصیه شده: یک مرور کلی
کلمات کلیدی
سیستم توصیهگر، فیلتر سازی همکاری خوشه بندی داده های چندگانه، توصیه چند نمایشی، شبیه سازی کاربر، اعتماد کاربر، توابع جمع کننده،
ترجمه چکیده
در این مقاله، مجموعه ای از تحقیقات اخیر انجام شده بر روی مدل های سیستم توصیه می شود که بر مبنای استفاده از دیدگاه های متعدد از اطلاعات مربوط به کاربر و آیتم ها در فرآیند توصیه است. خلاصه ای از ادبیات توصیفی در مورد رویکردهای پیشنهاد دهنده چندین دیدگاه ارائه شده است که ویژگی های اصلی آنها را توصیف می کند، مانند: پتانسیل آنها برای غلبه بر کمبودهای رایج در سیستم های پیشنهاد دهنده معمول، و همچنین استفاده از دانش داده، تکنیک های یادگیری و فرآیند تجمع برای ترکیب اطلاعات ناشی از نمایش های مختلف خلاصه ای به صورت جدولی برای تسهیل مقایسه شباهت ها و تفاوت ها در میان آثار بررسی شده همراه با مسیرهای مشخص شده برای تحقیقات آینده در این موضوع ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
رویکردهای چندرسانه ای در سیستم های توصیه شده: یک مرور کلی
چکیده انگلیسی
This paper overviews an assortment of recent research work undertaken on recommender system models based on using multiple views of user and item-related data across the recommendation process. A summary of representative literature on multi-view recommender approaches is provided, describing their main characteristics, such as: their potential to overcome most common shortcomings in conventional recommender systems, as well as the use of data science, learning techniques and aggregation processes to combine information stemming from multiple views. A tabular summary is provided to facilitate the comparison of the similarities and differences among the surveyed works, along with commonly identified directions for future research in the topic.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Computer Science - Volume 119, 2017, Pages 30-41
نویسندگان
, ,