skip to Main Content

سیستم توصیه‌گر مبتنی بر اعتماد با استفاده از کلونی مورچه برای محاسبه اعتماد

عنوان انگلیسی: Trust based recommender system using ant colony for trust computation
سال نشر: ۲۰۱۲
نویسنده: Punam Bedi,Ravish Sharma
تعداد صفحه فارسی: ۱۸ – تعداد صفحه انگلیسی: ۸
دانشگاه: Department of Computer Science, Faculty of Mathematical Sciences, Opposite Daulat Ram College, University of Delhi, Delhi 110007, India
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس

چکیده

ثابت شده‌است که تکنیک هم‌کاری جمعی (‏CF)‏برای پیاده‌سازی سیستم‌های توصیه‌گر در مقیاس بزرگ امیدبخش است، اما موفقیت آن به طور عمده به پیدا کردن همسایگان مشابه بستگی دارد. به دلیل تجزیه و تحلیل اطلاعات ماتریس رتبه کاربر – آیتم، فرآیند پیدا کردن همسایگان مشابه اغلب موفق نمی‌شود. علاوه بر این، این مشکل همچنین از مشکل کاربر جدید (‏شروع سرد)‏به عنوان پیدا کردن محله‌ای ممکن و ارائه توصیه‌هایی به کاربر که هیچ یک از اقلام را ارزیابی نکرده یا مقدار بسیار کمی از آیتم‌ها را تعیین نکرده است، رنج می‌برد. در این مقاله، سیستم پیشنهاد دهنده مبتنی بر اعتماد(‏tars)‏توصیه‌های ارزشمندی را با استفاده از مفهوم اعتماد دینامیک بین کاربران و انتخاب یک همسایگی کوچک و بهتر مبتنی بر استعاره بیولوژیکی کلونی مورچه‌ها ارایه می‌کند. همراه با درجه‌بندی پیش‌بینی‌شده، نمایش اطلاعات اضافی برای توضیح پیشنهادها در مورد قدرت و سطح صله در گراف اعتماد از جایی که توصیه‌ها تولید می‌شوند، موارد و تعداد همسایگان درگیر در پیش‌بینی می‌تواند به کاربر فعال کمک کند تا تصمیمات بهتری بگیرد. همچنین، کاربران جدید می‌توانند از استراتژی به رو

Abstract

Collaborative Filtering (CF) technique has proven to be promising for implementing large scale recommender systems but its success depends mainly on locating similar neighbors. Due to data sparsity of the user–item rating matrix, the process of finding similar neighbors does not often succeed. In addition to this, it also suffers from the new user (cold start) problem as finding possible neighborhood and giving recommendations to user who has not rated any item or rated very few items is difficult. In this paper, our proposed Trust based Ant Recommender System (TARS) produces valuable recommendations by incorporating a notion of dynamic trust between users and selecting a small and best neighborhood based on biological metaphor of ant colonies. Along with the predicted ratings, displaying additional information for explanation of recommendations regarding the strength and level of connectedness in trust graph from where recommendations are generated, items and number of neighbors invo
امتیاز شما:
(No Ratings Yet)
Back To Top