چکیده مقاله
گسترش استفاده از فضاهای اجتماعی و سرویس های مبتنی بر مشارکت، کاربران تقاضا برای سیستم های توصیه گری که بتوانند تعاملات و ترجیحات افراد را با ظرافت بیشتری درک کنند را افزایش داده است در این راستا ما چارچوبی نوین برای سیستم های توصیه گر گروهی مبتنی بر تاثیر ارائه می دهیم که با بهره از تکنیک های کاوش الگوهای تکرار برای شناسایی رفتارهای همگرای کاربران استفاده می کند در تقابل با روش های رایج با فرض برابری تمام اعضا در تصمیم گیری گروهی، راهکار ما با مدل سازی روابط، اعتماد، محاسبه شباهت از طریق فعالیت های تعاملی و برآورد نفوذ افراد بر اساس معیارهای ساختاری شبکه قادر است نقش های کلیدی در هر گروه را به صورت پویا مشخص کند این افراد با هدایت جوامع به هماهنگی بیشتر در ترجیحات جمعی کمک کرده و ناهماهنگی های گروهی را کاهش می دهند نقطه قوت اصلی این چارچوب تلفیق همزمان سه جزء بنیادین کشف الگوهای رفتاری، تبیین جریان نفوذ اجتماعی، و سازمان دهی پویای گروه ها، که در پژوهش های پیشین معمولا به صورت جداگانه مورد توجه قرار گرفته اند می باشد چنین یکپارچگی امکان مقابله موثر با مسائلی همچون کمبود اطلاعات و سناریوهای راه اندازی اولیه cold start را فراهم می آورد؛ چالش هایی که در ادبیات موجود کمتر مورد توجه قرار گرفته اند ارزیابی های جامع بر روی مجموعه داده MovieLens ۲۰M نشان می دهد که روش پیشنهادی در معیارهایی همچون دقت در پیش بینی، امتیازات کیفیت لیست های توصیه شده Top K ، و سطح رضایت گروهی، از روش های پیشرفته مانند IBGR و Hermes پیشی می گیرد
کلیدواژه‌ها
نویسندگان
نسرین حبیبی
گروه مهندسی کامپیوتر واحد تهران شمال دانشگاه آزاد اسلامی تهران ایران
علی هارون آبادی
گروه مهندسی کامپیوتر واحد تهران مرکز دانشگاه آزاد اسلامی، تهران، ایران
سپیده آدابی
گروه مهندسی کامپیوتر واحد تهران شمال دانشگاه آزاد اسلامی، تهران، ایران
شیوه ارجاع
�بیبی، نسرین و هارون آبادی، علی و آدابی، سپیده،1404،کشف الگوهای تکراری در راستای بهبود رضایت گروهی و شناسایی جوامع در سیستم های توصیه گر گروهی مبتنی بر تاثیر،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد
ارائه‌شده در
مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد