چکیده

1-مقدمه

2- آثار مربوطه

1-2 فیلتر همکاری آمیز سنتی

2-2 سیستم توصیه کننده اجتماعی

3-2 سیستم توصیه کننده جهت گیری رده بندی kتراز اول

4-2 سیستم توصیه اتجامعی با جهت گیری رده بندی kتراز اول

3- توصیف مسئله

4- روش

1-4 اصول مبانی: مدل پلاکت-لووسی

2-4 مدل سازی رده بندی

3-4 مدل سازی اعتماد

4-4 مدل یکپارچه

5-تحلیل پیچیدگی

6- آزمایشات

1-6 مجموعه داده ها

2-6 پروتکل آزمایشی

3-6 متریک ارزیابی

4-6 رقبا

5-6 تحلیل عملکرد

6-6 تاثیر پارامتر های و

7-6 تحلیل ابعاد

7-نتیجه گیری و اثر آتی

چکیده

به خاطر مسئله کمبود داده ها، اطلاعات شبکه اجتماعی اغلب به طور اضافی به کار می رود تا عملکرد سیستم های پیشنهاد دهنده را بهبود بخشد. در حالی که اکثر کارهای موجود به بهره گیری از اطلاعات اجتماعی برای کاهش رتبه بندی خطای پیش بینی، از جمله آر.ام.اس.ایی می پردازند، هدف تعداد کمی از آنها بهبود دقت پیش بین رده بندی k برتر می باشد. این مقاله روش جدید پیشنهاد دهی مبتنی بر رده بندی k برتر، TRecSo مطرح می کند که اطلاعات اجتماعی را در این پشنهاد شامل می سازد و دو نقش مختلف کاربران به عنوان اعتماد کننده و مورد اعتماد مدل سازی می کند ضمن آنکه اطلاعات ساختاری شبکه را در نظر می گیرد. مطالعات تجربی درباره پایگاه داده های حقیقی نشان می دهند که TRecSo منجر به بهبود قابل ملاحظه در مقایسه با روش های دیگر در پیشنهاد k برتر می گردد.