فایل ورد کامل بهبود دقت توصیه گر اجتماعی- آگاهانه از طریق شخصیت (هویت)

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 بهبود دقت توصیه گر اجتماعی- آگاهانه از طریق شخصیت (هویت)،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۹ صفحه

به منظور حل مشکلات استارت سرد، تحقیقات شامل اعتماد و سیستم‌های توصیه‌گر آگاه از لحاظ اجتماعی در حال افزایش هستند. اهمیت نسبی کنفرانس‌های علمی به ضرورت سیستم‌های توصیه‌گر منجر شده ‌است که به دنبال ارایه توصیه‌هایی برای شرکت کنندگان در کنفرانس باشند. در این مقاله، هدف ما بهبود دقت توصیه سیستم‌های توصیه‌گر از لحاظ اجتماعی با پیشنهاد یک الگوریتم پیشنهاد دهنده ترکیبی خطی به نام شخصیت و توصیه گر آگاهی- اجتماعی (PerSAR) می‌باشد. PerSAR رفتارهای اجتماعی و شخصیت شرکت کنندگان در کنفرانس هوشمند را تایید می‌کند. روش پیشنهادی ما عمدتا به دنبال بکارگیری یک چارچوب الگوریتمی است که تشابهات شخصیت و نقاط قوت شرکت کنندگان کنفرانس را محاسبه می‌کند به گونه‌ای که توصیه‌ها را می توان برای آن‌ها با استفاده از مجموعه داده‌های مرتبط تولید نمود. نتایج تجربی اثبات می‌کند که روش پیشنهادی ما مطلوب بوده و نسبت به دیگر روش‌ها و تکنیک‌های پیشنهادی امروزی بهتر عمل می‌کند.

فهرست اصطلاحات: شروع سرد | ترکیبی (هیبردی) | شخصیت | سیستم های پیشنهاد دهنده (توصیه گر) | روابط اجتماعی

عنوان انگلیسی:

Improving Socially-Aware Recommendation Accuracy Through Personality

~~en~~ writers :

Nana Yaw Asabere, Amevi Acakpovi, and Mathias Bennet Michael

In order to innovatively solve cold-start problems, research involving trust and socially aware recommender systems is
currently proliferating. The relative importance of academic conferences has led to the necessity of recommender systems that seek
to generate recommendations for conference attendees. In this paper, we aim to improve the recommendation accuracy of sociallyaware recommender systems by proposing a linear hybrid recommender algorithm called Personality and Socially-Aware
Recommender (PerSAR). PerSAR hybridizes the social and personality behaviours of smart conference attendees. Our
recommendation methodology mainly aims to employ an algorithmic framework that computes the personality similarities and tie
strengths of conference attendees so that recommendations can be generated for them using a relevant dataset. The experimental
results substantiate that our proposed recommendation method is favorable and outperforms other related and contemporary
recommendation methods and techniques.

Index Terms: Cold-Start | hybrid | personality | recommender systems | social ties

$$en!!