رتبه بندی شخصی شبکه بیزی آگاه به فاصله اجتماعی برای سیستم توصیه گر
ترجمه نشده

رتبه بندی شخصی شبکه بیزی آگاه به فاصله اجتماعی برای سیستم توصیه گر

عنوان فارسی مقاله: رتبه بندی شخصی شبکه بیزی آگاه به فاصله اجتماعی برای سیستم توصیه گر
عنوان انگلیسی مقاله: SDBPR: Social distance-aware Bayesian personalized ranking for recommendation
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، مهندسی فناوری اطلاعات
گرایش های تحصیلی مرتبط: هوش مصنوعی، شبکه های کامپیوتری، اینترنت و شبکه های گسترده
کلمات کلیدی فارسی: توصیه گر، رتبه بندی شخصی بیزی، شباهت اجتماعی، پیاده روی تصادفی
کلمات کلیدی انگلیسی: Recommendation, Bayesian personalized ranking, Social similarity, Random walk
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journals – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2018.12.052
دانشگاه: National Engineering Center for Big Data Technology and System, Services Computing Technology and System Lab Cluster and Grid Computing Lab, School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan, 430074, China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 5.341 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0.844 در سال 2017
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2017
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 24
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
کد محصول: E12004
فهرست انگلیسی مطالب

Abstract


1. Introduction


2. Related work


3. Design


4. Experiments


5. Conclusion


Acknowledgments


References

نمونه متن انگلیسی مقاله

Abstract


Recommendation systems recommend new items to users. Because training data contain only binary forms of implicit feedback in many cases, such as in IoT and IoV, one-class collaborative filtering, which can be solved by using rating-based methods to estimate the numeric scores of items or ranking-based methods based on the preferences of each user for items, must be addressed. In addition, because of the sparsity of such data, ranking-based methods are often preferred over rating-based methods when only implicit feedback is available. Social information has recently been used to improve the accuracy of rankings. Traditional approaches simply consider the direct friends of users in a social network, but this process fails to consider the propagation of influence along connections in the social network and cannot reveal the complex graph structure of the social network. In this paper, a novel social distance-aware Bayesian personalized ranking model, called SDBPR, is proposed to generate more accurate recommendations. SDBPR uses a random walk to travel the social network and then makes pairwise assumptions about the ranking order based on the distance between users along the random walk. The experimental results on two real datasets show that the proposed approaches significantly outperform the baseline approaches in terms of ranking prediction.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

رتبه بندی شخصی شبکه بیزی آگاه به فاصله اجتماعی برای سیستم توصیه گر
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها