داک فارسی بانک جامع تحقیق آماده و مقالات جهت استفاده عموم الخصوص دانش آموزان و دانشجویان

محبوبترین محصولات

تماس با مدیر 09393453403 50درصد تخفیف ویژه داک فارسی ها عضویت در کانال تلگرام منابع تحقیق از کتب مرجع و معتبر علمی هستند

اطلاعیه فروشگاه

برای ارتباط با مدیر می توانید از شماره 09393453403 و یا ایمیل docfarsi1@gmail.com استفاده نمایید . برای دریافت فایل در تلگرام هم می توانید به شماره 09393453403 پیام ارسال کنید .

مقاله آماده در مورد بررسی راهکارهای بهبود سيستم های پيشنهادگر مبتنی بر Collaborative Filtering در تجارت الکترونيکی

بررسی راهکارهای بهبود سيستم های پيشنهادگر  مبتنی بر Collaborative Filtering در تجارت الکترونيکی

 عنوان : بررسی راهکارهای بهبود سيستم های پيشنهادگر مبتنی بر Collaborative Filtering در تجارت الکترونيکی 

 فرمت : doc - ورد 2003 ( قابل ویرایش و اجرا در کلیه آفیس ها ) 

 تعداد صفحات : 11 صفحه - صفحه آرایی شده آماده چاپ ، صحافی و ارائه 

 فونت های استفاده شده : b titr و  b trafic (دانلود فونت های مورد نیاز) 

 پشتیبانی  :   09393453403 - 24 ساعته پاسخگو شما عزیزان هستیم - محمدی 

  ★  مقاله دارای نتیجه گیری است .

  ★  منابع مقاله از مراجع علمی انگلیسی است .

فهرست :


چکيده 3
1 – مقدمه 3
2-انواع مختلف دسته بندی CF 4
3-الگوریتم های متداول CF 5
4-مشکلات CF 7
5-راه حل ها 8
6- جمع‌بندی 10
منابع 10


چکیده :

اگرچه کاربردهای CF به عنوان يک سيستم پيشنهادگر در حوزه¬های تجارت الکترونيکی امری نسبتاً جديد است، ولی در عين حال اين تکنيک از قدمت زيادی برخوردار است[7]. در اين مقاله با اشاره به پديدة سرريز شدن اطلاعات، نياز شديد به سيستم¬های پيشنهادگر مبتنی بر رايانه را در حوزة تجارت الکترونيکی بيان می‌کنيم و به بررسی توانمندی¬ها و چالش¬های پيش روی سيستم¬های CF به عنوان يکی از متدهای اصلی در سيستم¬های پيشنهادگر می‌پردازيم . در انتها به بررسی راهکارهای بهبود سيستم¬های پيشنهادگر مبتنی بر CF در تجارت الکترونيکی می پردازيم.

مقدمه :

هر روزه به تعداد مقالات، فايل¬های موسيقی، فيلم‌ها، کتاب‌ها و صفحات وب موجود در اينترنت افزوده می¬شود. بدون شک پديدة سرريز شده اطلاعات که Dening [3] در سال 1982 به آن اشاره کرده بود، بطور بارز در جامعة اطلاعاتی امروزه بروز پيدا کرده است. در چنين محيطی افراد نمی دانند با اين حجم عظيم اطلاعات چه کنند، آنها اغلب از فرصت های موجود به دليل اين حجم بالای داده¬ای بی¬اطلاع می مانند و در پاره ای از موارد بطوری کلی از تصميم¬گيری در آن زمينه صرف نظر می‌کنند. فرض کنيد به دنبال خريد يک دستگاه اتومبيل هستيد ، احتمالاً برای انجام اين کار با گزينه های مختلفی روبه¬رو می¬شويد و شايد دچار سردرگمی شويد .سابق بر اين، برای غلبه بر اين نوع مشکلات احتمالاً از نظرات دوستان، همکلاسی ها و يا همکاران خود کمک می¬گرفتيد ولی امروزه هيچ انسانی نمی¬تواند ادعا کند که با توجه به تمامی اطلاعات موجود به شما پيشنهادات مختلف را ارائه می¬دهد. امروزه استفاده از سيستم¬های پيشنهادگر مبتنی بر رايانه به عنوان يک ضرورت در آمده است و بسياری از سايت¬های اينترنتی برای خدمت رسانی شايسته به مشتريان خود از سيستم¬های پيشنهادگر استفاده می¬کنند. از جملية بارز ترين آنها می¬توان به Amazon، CDNOW، Barnes And Noble و IMDb [4] اشاره نمود. البته اين تنها مصرف کنندگان و افراد حقيقی نيستند که از اين نوع سيستم¬های پيشنهادگر استفاده می‌کنند، بلکه تامين کنندگان و فروشندگان نيز بخوبی از اين ابزارها بهره می¬برند.

منابع :


[1] S. Berkovsky, Y. Eytani, T. Kuflik, F. Ricci, "Privacy-Enhanced Collaborative Filtering", 2005.
[2] A. Y. Chen and D. McLeod, "Collaborative Filtering for Information Recommendation Systems", Technical Report, Department of Computer Science and Integrated Media System Center, University of Southern California, Los Angeles, California, USA.
[3] P. J. Denning, "Electronic junk", Communications of the ACM, 25(3):163-165, 1982.
[4] M. Fasli, "Agent technology for e-commerce", John Wiley, 2007.
[5] J. Iijima and S. Ho, "Common structure and properties of filtering systems", Available online 11 December 2006.
[6] P. Melville, R. J. Mooney and R. Nagarajan, "Content-Boosted Collaborative Filtering for Improved Recommendations", in Proceedings of the Eighteenth National Conference on Artificial Intelligence(AAAI-2002), pp. 187-192, Edmonton, Canada, July 2002.
[7] J. Riedl, J. Konstan and E. Vrooman, "Word of Mouse: The Marketing Power of Collaborative Filtering ", Business Plus, 2002.
[8] B. M. Sarwar, J. A. Konstan, A. Borchers, J. Herlocker, B. Miller, and John Riedl, "Using Filtering Agents to Improve Prediction Quality in the GroupLens Research Collaborative Filtering System", in proceedings of CSCW 98, Seattle Washington USA, ACM 1998.
[9] L. Si and C. Zhai, "A Study of Mixture Models for Collaborative Filtering", Journal Of Information Retrieval, 2004.
[10] P. Symeonidis, et al., "Collaborative recommender systems: Combining effectiveness", Expert Systems with Applications (2007), doi:10.1016/j.eswa.2007.05.013.
[11] M.G. Vozalis and K.G. Margaritis, "Using SVD and demographic data for the enhancement of generalized Collaborative Filtering", 2007.

منابع از کتب معتبر علمی می باشد.

لینک دانلود را پس از پرداخت دریافت می کنید .

پرداخت توسط کلیه کارت های عضو شتاب امکان پذیر است .


اشتراک بگذارید:


پرداخت اینترنتی - دانلود سریع - اطمینان از خرید

پرداخت هزینه و دریافت فایل

مبلغ قابل پرداخت 3,900 تومان
کدتخفیف:

درصورتیکه برای خرید اینترنتی نیاز به راهنمایی دارید اینجا کلیک کنید


فایل هایی که پس از پرداخت می توانید دانلود کنید

نام فایلحجم فایل
brrsy_rahkarhay_bhbvd_sstm_hay_pshnhadgr__mbtny_br_1761321_2993.zip66.7k





نظرسنجی

از کیفیت محصولات سایت راضی هستید ؟