فایل ورد کامل توصیه های چرخه محور در شبکه های اجتماعی آنلاین

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل توصیه های چرخه محور در شبکه های اجتماعی آنلاین،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۲ صفحه

۵- نتیجه‌گیری
در این مقاله، رویکرد نوینی را برای بهبود صحت توصیه از طریق معرفی مفهوم «چرخه‌های استنباطی دوستان» ارائه کردیم. این ایده برای تعیین بهترین زیرمجموع دوستان یعنی چرخ استنباطی تعیین شده تا توصیه‌هایی را در مقول بهره‌مندی ایجاد کند. به دلیل اینکه این چرخه‌های استنباطی مناسب مقوله‌های مختلف آیتمی است، ممکن است متفاوت از چرخه‌های صریح دوستانه‌ای باشد که به تازگی در شبکه‌های اجتماعی آنلاین به محبوبیت رسیده‌اند. ما روش‌هایی را برای استنباط چرخه‌های مقوله‌ای خاص پیشنهاد نمودیم و اوزان را برای دوستان در هر چرخه ارزیابی نمودیم. در تجربیات ما در زمین داده‌های موجود، شاهد پیشرفت‌های چشمگیر در رویکردهایی بودیم که در آن اطلاعات شبک اجتماعی مختلف استفاده شده بود.

عنوان انگلیسی:Circle-based Recommendation in Online Social Networks~~en~~

۵ CONCLUSIONS

In this paper, we presented a novel approach to improving recommendation accuracy by introducing the concept of “inferred circles of friends”. The idea is to determine the best subset of a user’s friends, i.e., an inferred circle, for making recommendations in an item category of interest. As these inferred circles are tailored towards the various item categories, they may differ from explicit circles of friends that have recently become popular in online social networks. We proposed methods for inferring category-specific circles, and to assign weights to the friends within each circle. In our experiments on publicly available data, we showed signifi- cant improvements over existing approaches that use mixed social network information.

$$en!!