شماره ركورد كنفرانس :
4162
عنوان مقاله :
بررسي اثربخشي تعدادي از روشهاي پايه‌اي يادگيري ماشين در پيش‌بيني امتيازات
پديدآورندگان :
عباس‌نژاد محمدرضا abbasnezhad.m.r@stu.yazd.ac.ir (نويسنده مسئول)، دانشجوي دكتري، گروه مهندسي كامپيوتر، دانشگاه يزد، يزد؛ , جهانگرد رفسنجاني امير jahangard@yazd.ac.ir استاديار، گروه مهندسي كامپيوتر، دانشگاه يزد، يزد؛
كليدواژه :
سامانه توصيه‌گر , پالايش اشتراكي , پيش‌بيني امتيازات , k-means , c-means , مدل تركيبي گوسي , نزديك‌ترين همسايه‌ها , تجزيه ماتريسي
عنوان كنفرانس :
اولين همايش ملي كامپيوتر، فناوري اطلاعات و كاربردهاي هوش مصنوعي
چكيده فارسي :
امروزه در بستر وب حجم عظيمي از اطلاعات وجود دارد بگونه‌اي كه كاربران در دريايي از اطلاعات بدنبال اقلام مرتبط با نيازها، علائق و اولويت‌هاي خود هستند. سامانه‌هاي توصيه‌گر ابزاري براي مقابله با سربار اطلاعات وب هستند. روشهاي پالايش اشتراكي بعنوان هسته اين سامانه‌ها مسئوليت پالايش اطلاعات وب را متناسب با نيازها و اولويت‌هاي كاربران بر عهده دارند. پالايش اطلاعات وب در اين روش‌ها مي‌تواند با پيش‌بيني امتيازات كاربران به اقلام وب محقق شود. در اين مقاله با هدف بررسي عملي مساله پيش‌بيني امتيازات كاربران به اقلام وب، اثربخشي تعدادي از روشهاي پايه‌اي يادگيري ماشين شامل الگوريتم‌هاي خوشه‌بندي k-means، c-means و مدل تركيبي گوسي همراه با الگوريتم نزديك‌ترين همسايه‌ها در كنار روش تجزيه ماتريسي با استفاده از داده‌هاي واقعي بعنوان راه‌حل‌هايي براي اين مساله مورد بررسي قرار گرفته‌اند. نتايج آزمايشات انجام شده بر روي مجموعه داده‌هاي MovieLens نشان‌دهنده برتري روش تجزيه ماتريسي در مساله پيش‌بيني امتيازات نسبت به روشهاي ذكر شده ديگر است.
