سال انتشار: ۱۳۸۷

محل انتشار: چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۶

نویسنده(ها):

بهرنگ مسعودی فر – گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد دماوند
محمدرضا مطش بروجردی – استادیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امی
محمد اسماعیل جعفری – گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی لار

چکیده:

سیستم های توصیه کنندهف سیستم های شخصی سازی هستند که به کاربران در طی تعامل با سیستم توصیه های ضخصی شده ای ارایه می دهند. یکی از پرکاربردترین سیستم های توصیه کننده، سیستم توصیه کننده همکارانه بر مبنای حافظه است که توصیه ها را مبنای بازخوردهایی که از سایر کاربران دریافت کرده، می سازد. ایده آل این سیستم این است که کاربران به توصیه های افراد و دوستان نظیر خودشان اعتماد می کنند. اما زمانی که یک کاربر برای اولین بار مراجعه می کند، سیستم هیچ شناختی از کاربر ندارد. در این مقاله روش های مبتنی بر بازخورد منفی برای حل مشکل کاربر جدید پیشنهاد می شوند. این امر باعث می شود که فقره های مورد علاقه کاربر در زمان کمتر و با دقت بیشتر کشف شوند.