0% Complete
English
صفحه اصلی
/
دوازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
پیشنهادات کالیبره شده براساس احساسات استخراج شده از متون مرتبط با آیتم ها
نویسندگان :
شیوا پارساراد
1
سامان هراتی زاده
2
1- دانشگاه تهران
2- دانشگاه تهران
کلمات کلیدی :
احساسات استخراج شده از متن، پیشبینی صحیح علاقهمندیهای کاربر، سیستم توصیه گرعادلانه،کالیبراسیون لیست پیشنهادی
چکیده :
سیستمهای توصیهگر برای پیشنهاد آیتمها به کاربران براساس علاقهمندی آنها ایجاد شدهاند. در این سیستمها براساس آنچه که در گذشته کاربر وجود دارد علاقهمندیهای او مشخص و به او پیشنهادهایی ارائه می شود. معمولا هدف سیستمهای توصیهگر داشتن حداکثر صحت در پیشبینی علاقه مندی کاربر است. اما در سالهای اخیر موضوع عادلانه بودن پیشنهادات به کاربر مورد توجه قرار گرفته است. کالیبراسیون میتواند نتایج عادلانهای را برای پیشنهاد به کاربر تولید کند. هدف آن پوشش تمامی طیف علاقهمندیهای کاربر است. در تمامی مقالات مربوط به کالیبراسیون سیستمهای توصیهگر، کالیبره کردن براساس ژانر صورت گرفته است. در این مقاله ایده استفاده از توزیع احساسی استخراج شده از متون مربوط به آیتمها، به عنوان جایگزین توزیع ژانری به منظور کالبیره کردن توصیه ها پیشنهاد شده است. گرچه رویکرد پیشنهادی به صورت پس پردازش عمل کرده و وابسته به مدل پایه توصیهگر نیست اما ما براساس عملکرد بهتر مدل یادگیری عمیق مشارکتی از آن به عنوان مدل پایه خود استفاده کردیم. مدل روی مجموعه داده Movielens و براساس معیارهای مختلف ارزیابی شد. عملکرد مدل پیشنهادی نشان داد که کالیبرهکردن پیشنهادات براساس احساسات در مقایسه با ژانر مقدار بازیابی را به میزان قابل توجهی افزایش می دهد و بعلاوه همزمان دارای خطای کالیبراسیون بسیار کمی نیز هست.
لیست مقالات
لیست مقالات بایگانی شده
Optimal control of robotic hand for rehabilitation using fractional order systems and EEG signal processing
Mehran Safari Dehnavi - Vahid Safari Dehnavi - Masoud Shafiee
Enhancing Mutation Testing through Grammar Fuzzing and Parse Tree-Driven Mutation Generation
Mohamad Khorsandi - Alireza Dastmalchi Saei - Mohammadreza Sharbaf
بررسی امنیت وفقی در اینترنت وسایل نقلیه
سیده یگانه غیور باغبانی - دکتر سعید جلیلی سیده یگانه غیور باغبانی - سعید جلیلی -
Generalized Self-Attentive Spatiotemporal GCN with OPTICS Clustering for Recommendation Systems
Saba Zolfaghari - Seyed Mohammad Hossein Hasheminejad
A New Method Based on Deep Learning and Time Stabilization of the Propagation Path for Fake News Detection
Fatemeh Torgheh - Dr Mohammad Reza Keyvanpour - Dr Behrooz Masoumi
یک روش انتخاب ویژگی نیمهنظارتی جدید بر اساس منظمسازی هسین
دکتر راضیه شیخ پور راضیه شیخ پور -
Energy–Aware Clustering Routing Protocol to Improve the Multi-hop WSN Lifetime
Alireza Gholamrezaee - Hoda Gholamrezaee - Mahtab Hadiyan
AI-Driven Approach to Detect Equivalent Elements within Domain Models
Mohammad-Sajad Kasaei - Mohammadreza Sharbaf - Afsaneh Fatemi - Bahman Zamani
A perceptual loss for screen content image super-resolution
Hossein Sekhavaty-Moghadam - Marzieh Hosseinkhani - Dr Azadeh Mansouri
Enhancing Software Effort Estimation with an Integrated Approach of Particle Swarm Optimization and Genetic Algorithms in Analogy-based Method
Ehsan Nasr - Keyvan Mohebbi
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 41.3.1