کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7377991 1480121 2016 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Network-based recommendation algorithms: A review
ترجمه فارسی عنوان
الگوریتم توصیه مبتنی بر شبکه: یک بررسی
ترجمه چکیده
سیستم های توصیه می شود یک ابزار حیاتی است که به ما کمک می کند تا از بروز مشکل اضافی اطلاعات جلوگیری کنیم. آنها توسط اکثر وب سایت های تجارت الکترونیک مورد استفاده قرار می گیرند و منافع یک جامعه علمی گسترده را جذب می کنند. یک سیستم پیشنهاد دهنده از داده ها در تنظیمات گذشته کاربران استفاده می کند تا اقلام جدیدی را انتخاب کند که ممکن است توسط یک کاربر فرد مشخص قدردانی شود. در حالی که بسیاری از روش های پیشنهادی وجود دارد، رویکرد مبتنی بر نمایش شبکه از داده های ورودی در گذشته مورد توجه قابل توجهی بوده است. در اینجا، طیف گسترده ای از الگوریتم های توصیه شده مبتنی بر شبکه را بررسی می کنیم و برای اولین بار عملکرد آنها را در سه مجموعه داده های واقعی متمایز مقایسه می کنیم. ما مباحث پیشنهاداتی را ارائه می دهیم که فراتر از سوالاتی است که از الگوریتم استفاده می شود، مانند تاثیر احتمالی توصیه بر تکامل سیستم هایی که از آن استفاده می کنند، و در نهایت به بحث در مورد مسیرهای تحقیق و چالش های باز.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
Recommender systems are a vital tool that helps us to overcome the information overload problem. They are being used by most e-commerce web sites and attract the interest of a broad scientific community. A recommender system uses data on users' past preferences to choose new items that might be appreciated by a given individual user. While many approaches to recommendation exist, the approach based on a network representation of the input data has gained considerable attention in the past. We review here a broad range of network-based recommendation algorithms and for the first time compare their performance on three distinct real datasets. We present recommendation topics that go beyond the mere question of which algorithm to use-such as the possible influence of recommendation on the evolution of systems that use it-and finally discuss open research directions and challenges.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 452, 15 June 2016, Pages 192-208
نویسندگان
, , , ,