دانلود ترجمه مقاله معکوس CF یک الگوریتم سریع فیلتر کردن مشترک با نمودار K نزدیکترین همسایه - مجله الزویر

دانلود ترجمه مقاله معکوس CF یک الگوریتم سریع فیلتر کردن مشترک با نمودار K نزدیکترین همسایه - مجله الزویر
قیمت خرید این محصول
۴۵,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
معکوس CF : یک الگوریتم سریع فیلتر کردن مشترک با استفاده از یک نمودار K نزدیکترین همسایه
عنوان انگلیسی
Reversed CF: A fast collaborative filtering algorithm using a k-nearest neighbor graph
صفحات مقاله فارسی
23
صفحات مقاله انگلیسی
7
سال انتشار
2015
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
4166
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی الگوریتم ها و محاسبات و همچنین گرایش مهندسی نرم افزار
مجله
سیستم های خبره و کاربردهای آن
دانشگاه
دانشگاه ملی چونگچیونبوک، جمهوری کره
کلمات کلیدی
CF معکوس، فیلتر مشترک، K- نزدیکترین همسایه نمودار، فیلتر حریص
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
۱ مقدمه
۲ کارهای مرتبط
۳ فیلتر کردن مشترک سریع
۳ ۱ ساختار نزدیکترین همسایگی گراف
۳ ۲ الگوریتم سریع توصیه گر
۴ آزمایش
۴ ۱ راه اندازی آزمایشی
۴ ۱ ۱ مجموعه داده ها و الگوریتم
۵ نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
abstract

User-based and item-based collaborative filtering (CF) methods are two of the most widely used techniques in recommender systems. While these algorithms are widely used in both industry and academia owing to their simplicity and acceptable level of accuracy, they require a considerable amount of time in finding top-k similar neighbors (items or users) to predict user preferences of unrated items. In this paper, we present Reversed CF (RCF), a rapid CF algorithm which utilizes a k-nearest neighbor (k-NN) graph. One main idea of this approach is to reverse the process of finding k neighbors; instead of finding k similar neighbors of unrated items, RCF finds the k-nearest neighbors of rated items. Not only does this algorithm perform fewer predictions while filtering out inaccurate results, but it also enables the use of fast k-NN graph construction algorithms. The experimental results show that our approach outperforms traditional user-based/item-based CF algorithms in terms of both preprocessing time and query processing time without sacrificing the level of accuracy.

نمونه چکیده ترجمه متن فارسی
چكيده
روش فیلترکردن مشارکتی (CF) بر اساس کاربر و براساس آیتم ها دو مورد از تکنیک هایی است که به طور گسترده در سیستم های توصیه گر مورد استفاده قرار می گیرد. در حالی که این الگوریتم ها به طور گسترده ای هم در صنعت و هم در دانشگاه با توجه به سادگی و سطح قابل قبولی از دقت استفاده می شود، آنها به مقدار قابل توجهی از زمان در پیدا کردن بهترین K همسایه مشابه (آیتم ها یا کاربران) برای پیش بینی ترجیحات کاربر از آیتم های ارزیابی نشده ، نیاز دارند. در این مقاله، ما معکوسCF را ارائه کردیم (RCF)، یک الگوریتم سریع CF که از یک نمودار نزدیکترین همسایه K (K-NN) بهره می برد. یکی از ایده های اصلی این روش این است که فرایند یافتن همسایه K را معکوس میکند: به جای پیدا کردن K مشابه همسایه ازآیتم های ارزیابی نشده ، RCF ، نزدیکترین همسایه K را از آیتم های ارزیابی شده می یابد. نه تنها این الگوریتم در حالی که نتایج نادرست را فیلتر می کند پیش بینی های کمتری را انجام می دهد ، بلکه استفاده از الگوریتم های ساختاری گراف سریع K-NN را نیز فراهم می کند . نتایج تجربی نشان می دهد که خروجی به دست آمده از روش ما، نسبت به الگوریتم های مرسوم CF مبتنی بر آیتم یا کاربر، از هر دو نظر پیش پردازش زمان و پردازش پرس و جو در زمان، بدون به خطر انداختن سطح دقت و صحت بهتر می باشد .

بدون دیدگاه