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

ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.

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.