کاهش میانگین خطای مطلق در سیستم های توصیه گر پالایش مشارکتی با استفاده از شبکه عصبی

تومان11000

این پایان نامه85 صفحه می باشد.

قابلیت کپی از pdf به word بدون مشکل است

لطفا فهرست مطالب پایان نامه را در تصاویر مطالعه فرمایید

توضیحات

در این رساله یک متریک (تابع شباهت) جدید برای اندازه گیری شباهت بین کاربران ارائه می شود که قابل استفاده در الگوریتم های پالایش مشارکتی در سیستم های توصیه گر است(پالایش مشارکتی، سیستم های توصیه گر، شبکه عصبی مصنوعی) تابع شباهت پیشنهادی از طریق یک ترکیب خطی ساده از مقادیر و وزن ها فرموله شده است. مقادیر برای هر جفت از کاربران که بین آنها شباهت به دست آمده، محاسبه شده است و با استفاده از یک شبکه عصبی مصنوعی ساده وزنه ای بهینه استخراج می شود. نتایج به دست آمده بهبود قابل توجهی را در کیفیت پیشبینی، کیفیت پیشنهاد و عملکرد نشان می دهد(پالایش مشارکتی، سیستم های توصیه گر، شبکه عصبی مصنوعی). با افزایش سریع اطلاعات، به سیستمی که با دادن پیشنهادات مناسب با نیاز یک کاربر (پیشنهادات شخصی سازیشده)، او را از مرور تمام اقلام باز دارد، احساس نیاز می شود. امروزه سعی در ساخت «سیستمی توصیه گر» با درصد خطای کم و سرعت بالا، به یکی از پرطرفدارترین حوزه های تحقیقاتی دانشگاهی تبدیل شده است. یک سیستم توصیه گر با قابلیتی که در جمع آوری اطلاعات مربوط به سلایق، علایق و اولویت های کاربران، دسته بندی و تفسیر آن ها دارد، امکانی فراهم می آورد که کاربران با صرف زمان و انرژی کمتر به اطلاعات مورد نظر خود دسترسی پیدا کنند.

تمامی تحقیقات و پایان نامه های موجود در سایت قابلیت شبیه سازی توسط تیم سیب دانش را دارد از جمله فعالیت های دیگر سیب دانش انجام پایان نامه، انجام شبیه سازی، انجام سمینار دانشجویی، انجام پاورپوینت دفاع، مقاله، دیتاست، ارائه تحقیقات علمی برای اخذ خدمت سربازی و دیگر تحقیقات علمی و غیره می باشد. لطفا از طریق راه های ارتباطی با ما در ارتباط باشید…

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “کاهش میانگین خطای مطلق در سیستم های توصیه گر پالایش مشارکتی با استفاده از شبکه عصبی”

نشانی ایمیل شما منتشر نخواهد شد.