ترجمه مقاله بررسی سیستم های پیشنهاد دهنده مبتنی بر فیلترسازی براساس همکاری - نشریه IEEE

ترجمه مقاله بررسی سیستم های پیشنهاد دهنده مبتنی بر فیلترسازی براساس همکاری - نشریه IEEE
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
یک تحقیق درباره سیستم های پیشنهاد دهنده مبتنی بر فیلترسازی براساس همکاری برای اپلیکیشن های اینترنتی موبایل
عنوان انگلیسی
A Survey of Collaborative Filtering Based Recommender Systems for Mobile Internet Applications
صفحات مقاله فارسی
30
صفحات مقاله انگلیسی
14
سال انتشار
2016
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده و pdf
نوع مقاله
ISI
نوع ارائه مقاله
ژورنال
رفرنس
دارد ✓
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
4.641 در سال 2018
شاخص H_index مجله
56 در سال 2018
شاخص SJR مجله
0.609 در سال 2018
شاخص Q یا Quartile (چارک)
Q2 در سال 2018
شناسه ISSN مجله
2169-3536
کد محصول
F1346
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
جداول ترجمه شده است ✓ تصاویر ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
درج نشده است ☓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
بیس
است ✓
مدل مفهومی
دارد ✓
پرسشنامه
ندارد ☓
متغیر
دارد ✓
رشته های مرتبط با این مقاله
مهندسی کامپیوتر، فناوری اطلاعات و فناوری اطلاعات و ارتباطات
گرایش های مرتبط با این مقاله
هوش مصنوعی، اینترنت و شبکه های گسترده، رایانش ابری و دیتا
مجله
IEEE Access
دانشگاه
آزمایشگاه محاسبات و ارتباطات هوشمند (IC2)، گروه آموزش، دانشگاه پست و مخابرات پکن (BUPT)، چین
کلمات کلیدی
اینترنت موبایل، سیستم پیشنهاد دهنده، فیلترسازی مبتنی بر همکاری
کلمات کلیدی انگلیسی
Mobile Internet - Recommender System - Collaborative Filtering
doi یا شناسه دیجیتال
https://doi.org/10.1109/ACCESS.2016.2573314
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
مقدمه
چارچوب سیستم پیشنهاددهنده CF
گردآوری داده ها
پیش پردازش
اصول سنجش فیلترسازی مبتنی بر همکاری
الگوریتم های معمولی CF
CF مبتنی بر حافظه
CF مبتنی بر گزینه
مطالعات موردی یا سیستم های پیشنهاددهنده براساس الگوریتم های CF
مورد 1: مبتنی بر CF روی رفتار کاربران
مورد 2: CF مبتنی بر درجه بندی های کاربر
نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstrac

With the rapid development and application of the mobile Internet, huge amounts of user data are generated and collected every day. How to take full advantages of these ubiquitous data is becoming the essential aspect of a recommender system. Collaborative filtering (CF) has been widely studied and utilized to predict the interests of mobile users and to make proper recommendations. In this paper, we first propose a framework of the CF recommender system based on various user data including user ratings and user behaviors. Key features of these two kinds of data are discussed. Moreover, several typical CF algorithms are classified as memory-based approaches and model-based approaches and compared. Two case studies are presented in an effort to validate the proposed framework.

نمونه چکیده ترجمه متن فارسی
چکیده
با توسعه سریع و کاربرد اینترنت موبایل، مقدار عظیمی از داده های کاربر تولید شده و هر روزه جمع اوری می شود. چگونگی استفاده از مزایای کامل این اطلاعات در همه جا، در حال تبدیل شدن به جنبه اساسی سیستم پیشنهادی است. فیلترسازی مبتنی بر همکاری یا CF به طور وسیعی مطالعه شده و برای پیشگویی علایق کاربران موبایل و استفاده از پیشنهادات مناسب استفاده می شود. در این مقاله، ما ابتدا یک چارچوب سیستم پیشنهاددهنده CF را براساس داده های کاربر مختلف مطرح می کنیم که شامل درجه بندی های کاربر و رفتارهای کاربر می باشد. ویژگی های کلیدی این دو نوع داده ها مورد بحث قرار می گیرد. بعلاوه، چندین الگوریتم CF معمولی طبقه بندی می شود حین اینکه شیوه های مبتنی بر حافظه و شیوه های مبتنی بر مدل با هم مقایسه شود. دو مطالعه موردی در یک تلاش برای روایی سازی چارچوب مطرح شده ارائه می شود.

بدون دیدگاه