عنوان فارسی |
شبکه های اجتماعی مبتنی بر سیستم توصیه گر خبره معنایی |
عنوان انگلیسی |
A semantic social network-based expert recommender system |
کلمات کلیدی |
استخراج اطلاعات معنایی · تجزیه و تحلیل شبکه های اجتماعی · سیستم توصیه گر خبره · مدیریت دانش |
درسهای مرتبط |
یادگیری ماشین؛ هوش مصنوعی |
تعداد صفحات انگلیسی : ۱۳ | نشریه : Springer |
سال انتشار : ۲۰۱۲ | تعداد رفرنس مقاله : ۲۲ |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
آیا این مقاله برای بیس پایان نامه مناسب است؟ : بله | آیا این مقاله برای ارائه کلاسی مناسب است؟ : بله (این محصول دارای پاورپوینت 41 اسلایدی برای ارائه کلاسی هست) |
برنامه ای که در آن مقاله شبیه سازی شده است : این مقاله در محیط متلب پیاده سازی شده است | نام مجله مقاله : Applied Intelligence |
ترجمه: ندارد | گزارشکار : دارای گزارش فارسی است (توضیحات مربوط به نحوه عملکرد شبیه سازی در قالب یک فایل آماده شده است) | شبیه سازی : دارد (متلب) |
این مقاله در محیط متلب به صورت کامل شبیه سازی شده و در صورت خرید و دانلود مقاله شما به راحتی قادر خواهید بود از برنامه مربوطه استفاده نمایید. در صورت بروز هر گونه مشکل در نحوه ی اجرای برنامه سایت سیگمالند به مدت 24 ساعت بعد از خرید محصول، پشتیبانی آن را تا اجرای کامل برعهده دارد. همچنین این مقاله شامل گزارش کار کامل از روش پیشنهادی بر اساس یادگیری ماشین است و دارای فایل پاورپوینت نیز می باشد.
این کار تحقیقاتی یک چارچوب برای ایجاد یک سیستم ترکیبی پیشنهادی-خبره ارائه می دهد که ویژگی های الگوریتم های توصیه شده مبتنی بر محتوا را به یک سیستم فیلترینگ مشارکتی مبتنی بر شبکه متصل می کند. روش پیشنهادی با هدف در نظر گرفتن جنبه اجتماعی رفتارهای کارشناسان، دقت پیش بینی پیشنهادات را بهبود می بخشد. برای این منظور، پروفایل های مبتنی بر محتوا از کارشناسان ابتدا توسط خزنده منابع آنلاین ساخته شده است. یک هسته معنایی با استفاده از دانش پیشین مشتق شده از مخزن ویکیپدیا ساخته شده است.
هسته معنایی برای غنی سازی پروفایل های کارشناسان کار می کند. جوامع اجتماعی کارشناسان با استفاده از تجزیه و تحلیل شبکه اجتماعی و استفاده از عوامل مانند تجربه، پس زمینه، سطح دانش، و ترجیحات شخصی تشخیص داده می شود. به این طریق، روابط اجتماعی پنهان را می توان در بین افراد کشف کرد. شناسایی جوامع برای تعیین ارزش یک عضو خاص با توجه به رفتار کلی جامعه که فرد به آن تعلق دارد استفاده می شود.
سپس اعضای نماینده یک جامعه با استفاده از اندازه گیری انطباق ویژه مجله مشخص می شود. در نهایت، توصیه می شود که یک آیتم اطلاعاتی را که کاربر به دنبال یک متخصص است، مرتبط کند تا به نمایندگان مرتبط ترین جامعه بپردازد. چنین سیستم توصیفی کارشناس مبتنی بر شبکه اجتماعی معنایی می تواند منافع هر دو کارشناس و کاربر را در اختیار داشته باشد، اگر کسی به توصیه های دو دیدگاه نگاه کند. از منظر کاربر، او با گروهی از کارشناسان که می تواند به کاربر با نیازهای اطلاعات او کمک کند، ارائه می شود. از دیدگاه متخصص، روش پیشنهادی به منظور آشنایی با آیتم های اطلاعاتی مرتبط که تحت تخصص و منافع وی قرار دارد، کار می کند.
یکی از مزیت های روش پیشنهادی در این مقاله این است که کاربران می توانند یک مورد را توصیه کنند نه تنها زمانی که این مورد توسط کاربرانی با پروفایل های مشابه رتبه بندی شده است، بلکه به طور مستقیم، به عنوان مثال، زمانی که این آیتم در برابر نمایه کاربر به شدت به ثمر برسد. در سیستم پیشنهادی کارشناسان، سیستم پیشنهاد شده در این مقاله جوامع متخصص را کشف می کند و به این ترتیب به کاربران کمک می کند تا به طور مؤثری گروه هایی از متخصصانی را که دانش ضمنی مطلوب کاربران را در اختیار دارند، پیدا کنند. در این زمینه، ساختار اجتماعی روابط کارشناسان، که در یک شبکه اجتماعی معناشناختی گرفته شده است، به عنوان جزء اجتماعی سیستم توصیه می شود. دراین مقاله از روش های یادگیری ماشین یا machine learning استفاده شده است.
روش پیشنهادی در این مقاله در نرم افزار متلب شبیه سازی شده است و در ادامه بخشی از نتایج حاصل از شبیه سازیها نشان داده شده است.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.