مقابله با مشکل شروع سرد کاربران جدیدالورود در شبکه های اجتماعی با استفاده ازمدل طبقه بندی افراد

چکیده مقاله

سیستمهای توصیه گر در زمینه های مختلفی از جمله فیلم، شبکه های اجتماعی و غیره مورد استفاده قرار میگیرند هدف سیستمهای توصیه گر ارائه پیشنهادات جذاب به کاربران با توجه به عملکردشان در سیستم است محبوبترین سیستم های پیشنهاد دهنده مدلهای محتوا محور و روشهای فیلترگذاری مشارکتی است یکی از بزرگترین چالش های روشهای فیلترگذاری مشارکتی شروع سرد میباشد مشکل شروع سرد زمانی بوجود می آید که اطلاعات کافی در مورد عملکرد کاربر جدید و یا آیتم جدید در سیستم وجود ندارد سیستم های توصیه گر با توجه به محیط عملیاتی مورد نظر، از تکنیکهای مختلف وابسته به محیط استفاده می کنند در این تحقیق برای شناسایی مدل با دقت بالا از نرم افزار پایتون با الگوریتم های طبقه بندی مختلف استفاده شده است مدل پیشنهاد شده در این مقاله بر اساس سیستم توصیهگر مبتنی بر اطلاعات کاربر میباشد نتایج این تحقیق نشان میدهد، طبقه بندی دادهها در الگوریتم یادگیری عمیق با دقت بالاتری نسبت به بقیه الگوریتم ها انجام میشود

کلیدواژه‌ها

نویسندگان

فاطمه ساسانی

کارشناسی مهندسی پزشکی،دانشکده مهندسی برق،موسسه غیرانتفاعی علامه دهخدا،قزوین ایران

کیمیا سکاکی

دانش آموخته کارشناسی ارشد مدیریت فناوری اطلاعات دانشگاه علامه طباطبائی، تهران، ایران

سمانه حاجی محمدباقر

دکترا مهندسی پزشکی،دانشکده مهندسی برق،موسسه غیرانتفاعی علامه دهخدا،قزوین ایران

ایمان رئیسی وانانی

عضو هیئت علمی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی، تهران، ایران

سیدسروش قاضی نوری

عضو هیئت علمی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی، تهران، ایران

�کاکی، کیمیا و رئیسی وانانی، ایمان و قاضی نوری، سیدسروش،1400،مقابله با مشکل شروع سرد کاربران جدیدالورود در شبکه های اجتماعی با استفاده ازمدل طبقه بندی افراد،دومین کنفرانس بین المللی مدیریت، گردشگری و تکنولوژ�

ارائه‌شده در

مجموعه مقالات سومین کنفرانس بین المللی مدیریت، گردشگری و تکنولوژی28 آبان 1400