مقاله کنفرانسی سال ۱۴۰۳ فارسی

بررسی الگوریتم های سیستم های توصیه گر در شبکه های اجتماعی

چکیده مقاله

سیستم های توصیه گر به بخش جدایی ناپذیری از شبکه های اجتماعی مدرن تبدیل شده اند و نحوه تعامل کاربران با محتوا و خدمات آنلاین را تغییر داده اند این سیستم ها از الگوریتم های پیشرفته و تکنیک های یادگیری ماشین برای تحلیل مقادیر وسیع داده های کاربران استفاده می کنند و پیشنهادات شخصی سازی شده ای ارائه می دهند که تجربه و تعامل کاربران را بهبود می بخشد ظهور سیستم های توصیه گر در شبکه های اجتماعی موجب انقلاب در کشف محتوا شده است و به کاربران کمک می کند تا از میان انبوه اطلاعات، محتوای مناسب تری را پیدا کنند و تعاملات معنادارتری با پلتفرم های دیجیتال داشته باشند با این حال، پیچیدگی رو به افزایش شبکه های اجتماعی و تنوع منابع داده چالش های منحصر به فردی را برای توسعه سیستم های توصیه گر موثر به وجود می آورد این سیستم ها باید نه تنها رفتارهای گذشته کاربران، بلکه عوامل زمینه ای، روابط اجتماعی و ماهیت پویا ترجیحات کاربران را در طول زمان مد نظر قرار دهند شبکه های اجتماعی با شبکه پیچیده ای از تعاملات کاربران، محتوا و تاثیرات خارجی، نیاز به مدل های پیشرفته ای دارند که قادر به درک و پیش بینی نیازهای کاربران در یک محیط در حال تغییر سریع باشند در نتیجه، توسعه الگوریتم های توصیه گر دقیق و کارآمد همچنان یک حوزه تحقیقاتی فعال است که از روش های مختلفی مانند فیلترینگ مشارکتی، فیلترینگ مبتنی بر محتوا و رویکردهای ترکیبی استفاده می کند با وجود استفاده گسترده و موفقیت سیستم های توصیه گر، این سیستم ها در شبکه های اجتماعی با چالش های قابل توجهی مواجه هستند یکی از مشکلات اصلی، مشکل شروع سرد است که در آن کاربران یا آیتم های جدید تاریخچه تعامل کافی برای ارائه توصیه های دقیق ندارند علاوه بر این، پراکندگی داده ها، که از تعاملات محدود میان کاربران و محتوا ناشی می شود، فرآیند تولید پیشنهادات دقیق را پیچیده می کند محققان راه حل های مختلفی را مورد بررسی قرار داده اند، از جمله یکپارچه سازی اطلاعات کمکی، مدل های یادگیری عمیق و استراتژی های ترکیبی نگرانی های اخلاقی، مانند سوگیری و انصاف، نیز نقش حیاتی در طراحی سیستم های توصیه گر ایفا می کنند، زیرا این سیستم ها می توانند به طور غیرمستقیم نابرابری ها را تقویت کنند این مقاله چالش ها و فرصت های موجود در سیستم های توصیه گر شبکه های اجتماعی را بررسی می کند و بینش هایی در مورد وضعیت کنونی و جهت گیری های آینده آن ها ارائه می دهد

کلیدواژه‌ها

شبکه های اجتماعی فیلترینگ مشارکتی سیستم های توصیه گر

نویسندگان

تصویر انوشا بیات

انوشا بیات

۱ دانشجوی کارشناسی مهندسی کامپیوتر معماری سیستمهای کامپیوتری دانشگاه آزاد تهران مرکز

شیوه ارجاع

�یات، انوشا و کشاورز سیاهپوش، مجتبی و میرعابدینی، سید جواد،1403،بررسی الگوریتم های سیستم های توصیه گر در شبکه های اجتماعی،بیست و چهارمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان

ارائه‌شده در

پوستر مجموعه مقالات بیست و پنجمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک مجموعه مقالات بیست و پنجمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک21 اسفند 1403 · شیروان
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۳ ۸۸۴ مشاهده

کاربرد کامپیوتر در زندگی و صنایع مختلف

کامپیوترها به یکی از ارکان اساسی زندگی مدرن تبدیل شده اند و در حوزه های مختلف از جمله آموزش، صنعت، پزشکی…

مقاله کنفرانسی سال ۱۴۰۳ ۶۹۹ مشاهده

تحلیل پتانسیل انرژی بادی در ایران و ارائه راهکارهای توسعه نیروگاه های بادی کوچک مقیاس

توسعه نیروگاه های بادی یکی از راهکارهای کلیدی در کاهش وابستگی به سوخت های فسیلی و کاهش انتشار گازهای گلخ…

نیروگاه بادیانرژی تجدیدپذیرتحلیل اقتصادی
مقاله کنفرانسی سال ۱۴۰۳ ۶۵۷ مشاهده

کاربرد هوش مصنوعی در صنعت برق و انرژی

هوش مصنوعی به سرعت در حال تغییر جهان است و مهندسی برق نیز یکی از حوزه هایی است که بیشترین تاثیرپذیری را…

هوش مصنوعیصنعت برقانرژی تجدید پذیر
مقاله کنفرانسی سال ۱۴۰۳ ۶۳۶ مشاهده

بهینه سازی مبتنی بر هوش مصنوعی در مهندسی برق، کامپیوتر و مکانیک: یک بررسی سیستماتیک

با پیشرفت های سریع در هوش مصنوعی AI ، بهینه سازی مبتنی بر AI به یکی از مهم ترین روش ها برای حل چالش های…

هوش مصنوعیبهینه سازییادگیری عمیق
مقاله کنفرانسی سال ۱۴۰۳ ۶۰۳ مشاهده

بررسی مدل های مبتنی بر هوش مصنوعی در پیش بینی بازارهای مالی

در سال های اخیر، مدل های مبتنی بر هوش مصنوعی AI به عنوان ابزارهای قدرتمندی در تحلیل و پیش بینی بازارهای…

مدل های پیش بینی مالیشبکه های حافظه کوتاه مدت بلندمدت LSTMماشین های بردار پشتیبان SVM
مقاله کنفرانسی سال ۱۴۰۳ ۵۱۶ مشاهده

یادگیری ماشین در تشخیص تقلب

این مقاله به بررسی کاربردهای یادگیری ماشین در شناسایی تقلب می پردازد و بر روی شناسایی تراکنش های غیرعادی…

یادگیری ماشینشبکه های عصبیکشف تقلب