0% Complete
فارسی
Home
/
سیزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
سیستم توصیه گر برای خرید لوازم آرایشی و بهداشتی مبتنی بر الگوریتم جنگل تصادفی
Authors :
فاطمه رمضانی خوزستانی
1
مجید رفیعی
2
1- دانشگاه صنعتی شریف
2- دانشگاه صنعتی شریف
Keywords :
جنگل تصادفی،سیستمهای توصیه گر،متن کاوی،یادگیری ماشین
Abstract :
تجارت الکترونیک به یکی از ویژگیهای ضروری در عصر اینترنت تبدیل شدهاست. امروزه، تجارت الکترونیک به سرعت در اینترنت در حال رشد است و به یک مکمل برای فعالیتهای تجاری معمول شرکتها و افراد تبدیل شدهاست. سیستمهای توصیه گر در سالهای اخیر به عنوان ابزارهای تخصصی برای کمک به کاربران در مجموعهای از وظایف با واسطه کامپیوتر از طریق ارائه دستورالعملها یا اشارات تکامل یافتهاند. هدف اکثر سیستمهای توصیهگر کمک به کاربران برای مقابله با مشکل سربار اطلاعات از طریق تسهیل دسترسی به آیتمهای مربوطه است. در این مقاله ما سعی داریم از روش یادگیری ماشین جنگل تصادفی برای ایجاد یک سیستم توصیه گر برای خرید لوازم آرایشی و بهداشتی استفاده کنیم و به بررسی نتایج و خروجیها میپردازیم و براساس معیارهای مختلف روش مورد استفاده را ارزیابی میکنیم که براساس این نتایج دقت روش ما به 82 درصد میرسد که حاکی از آن است که نتایج حاصل از روش ما قابل اطمینان است.
Papers List
List of archived papers
An efficient hybrid approach for performance-based alternative design evaluation in systems engineering
Abbas Chaman Para - Maryam Nooraei Abadeh - Sondos Bahadori
مدل یادگیری عمیق با بازنمایی چند مقیاسی زمان برای پیشبینی آبشار اطلاعاتی در شبکههای اجتماعی
مبینا پناهی - مهدی عمادی
Stock Market Prediction Using Hard and Soft Data Fusion
Saeed Mohammadi Dashtaki - Masoud Alizadeh - Behzad Moshiri
An OWA-Powered Dynamic Customer Churn Modeling in the banking industry Based on Customer Behavioral Vectors
Masoud Alizadeh - Mohammad Soleymannejad - Behzad Moshiri
TDO-SA-PINN: A Co-Evolutionary Framework for Physics-Informed Neural Networks
SeyedMohammadReza AhmadEnjavi - Masoud Shafiee
بررسی کارآمدی فناوری وب 0.2 در پشتیبانی از فرآیندهای انسان محور و دانش مبنا
سید احسان ملیحی - فاطمه مشایخی کردکلا
Improving Fog Computing Scalability in Software Defined Network using Critical Requests Prediction in IoT
Hajar Ghanbari
ElectroCNN: Regressive CNN-based Energy Consumption Forecasting Leveraging Weather Data
Dharmi Patel - Mann Patel - Krisha Darji - Rajesh Gupta - Sudeep Tanwar - Jitendra Bhatia - Hossein Shahinzadeh
Multi-label Classification of Steel Surface Defects Using Transfer Learning and Vision Transformer
Amirhossein Komijani - Farzaneh Vafaeinezhad - Javad Khoramdel - Yasamin Borhani - Esmaeil Najafi
Revolutionizing Credit Scoring: The Synergy of Mamba State Space and CNN Models
Behnam Sabzalian
more
Samin Hamayesh - Version 43.8.0