دانلود مقاله ISI انگلیسی شماره 155594
ترجمه فارسی عنوان مقاله

بهبود فیلترینگ مشارکتی مبتنی بر حافظه با بهینه سازی تک چند منظوره

عنوان انگلیسی
Improving memory-based user collaborative filtering with evolutionary multi-objective optimization
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
155594 2018 37 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 11380 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 18 روز بعد از پرداخت 136,560 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 9 روز بعد از پرداخت 273,120 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 98, 15 May 2018, Pages 153-165

ترجمه کلمات کلیدی
سیستم توصیهگر، فیلتر کردن همگانی، الگوریتم ژنتیک، بهینه سازی چند هدفه، تنوع
کلمات کلیدی انگلیسی
Recommender systems; Collaborative filtering; Genetic algorithms; Multi-objective optimization; Diversity;
پیش نمایش مقاله
پیش نمایش مقاله بهبود فیلترینگ مشارکتی مبتنی بر حافظه با بهینه سازی تک چند منظوره

چکیده انگلیسی

The primary task of a memory-based collaborative filtering (CF) recommendation system is to select a group of nearest (similar) user neighbors for an active user. Traditional memory-based CF schemes tend to only focus on improving as much as possible the accuracy by recommending familiar items (i.e., popular items over the group). Yet, this may reduce the number of items that could be recommended and consequently weakens the chances of recommending novel items. To address this problem, it is desirable to consider recommendation coverage when selecting the appropriate group. This could help in simultaneously making both accurate and diverse recommendations. In this paper, we propose to focus mainly on the growing of the large search space of users’ profiles and to use an evolutionary multi-objective optimization-based recommendation system to pull up a group of profiles that maximizes both similarity with the active user and diversity between its members. In such manner, the recommendation system will provide high performances in terms of both accuracy and diversity. The experimental results on the Movielens benchmark and on a real-world insurance dataset show the efficiency of our approach in terms of accuracy and diversity compared to state-of-the-art competitors.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 11380 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 18 روز بعد از پرداخت 136,560 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 9 روز بعد از پرداخت 273,120 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.