دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: José J. Pazos Arias, Ana Fernández Vilas, Rebeca P. Díaz Redondo (auth.) سری: Intelligent Systems Reference Library 32 ISBN (شابک) : 3642256937, 9783642256936 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2012 تعداد صفحات: 243 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب سیستم های پیشنهادی برای وب اجتماعی: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Recommender Systems for the Social Web به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب سیستم های پیشنهادی برای وب اجتماعی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توصیه محصولات، محتوا و خدمات را نمی توان تازه متولد شده در نظر گرفت، اگرچه کاربرد گسترده آن هنوز در حال گسترش است. پیشرفت شبکه اجتماعی در حالی که موفقیت روزافزون آن در بخشهای متعددی است، معماری مشارکت و روابط در وب را متحول کرده است، و بیان مجدد توصیهها و تطبیق آن با برچسبگذاری مشارکتی</ ضروری است. b>، به عنوان رواج نوشتن در وب، و شبکه اجتماعی، به عنوان ترجمه روابط شخصی به وب. دقیقاً، همگرایی توصیهها با ستونهای وب اجتماعی فوق، انگیزه این کتاب است، که مشارکتهای متخصصان مشهور آکادمی و صنعت را گردآوری کرده است. دیدگاه گسترده تر از مشکلاتی که توصیه کنندگان اجتماعیممکن است با آن مواجه شوند. اگر سیستمهای توصیهگر نقش کلیدی خود را در تسهیل دسترسی کاربر به منابع در وب ثابت کرده باشند، زمانی که اشتراکگذاری منابع اجتماعی شد، طبیعی است که استراتژیهای توصیه در عصر اجتماعی وب، دیدگاه کاربران و روابط بین آنها را در نظر بگیرند. کاربران برای محاسبه پیش بینی های خود. هدف این کتاب کمک به خوانندگان برای کشف و درک تعامل بین مسائل حقوقی مانند حریم خصوصی است. جنبه های فنی مانند قابلیت همکاری و مقیاس پذیری؛ و جنبه های اجتماعی مانند تأثیر قرابت، اعتماد، شهرت و شباهت، زمانی که هدف ارائه توصیه هایی است که واقعاً برای کاربر و ارائه دهنده مفید است.
The recommendation of products, content and services cannot be considered newly born, although its widespread application is still in full swing. While its growing success in numerous sectors, the progress of the Social Web has revolutionized the architecture of participation and relationship in the Web, making it necessary to restate recommendation and reconciling it with Collaborative Tagging, as the popularization of authoring in the Web, and Social Networking, as the translation of personal relationships to the Web. Precisely, the convergence of recommendation with the above Social Web pillars is what motivates this book, which has collected contributions from well-known experts in the academy and the industry to provide a broader view of the problems that Social Recommendersmight face with. If recommender systems have proven their key role in facilitating the user access to resources on the Web, when sharing resources has become social, it is natural for recommendation strategies in the Social Web era take into account the users’ point of view and the relationships among users to calculate their predictions. This book aims to help readers to discover and understand the interplay among legal issues such as privacy; technical aspects such as interoperability and scalability; and social aspects such as the influence of affinity, trust, reputation and likeness, when the goal is to offer recommendations that are truly useful to both the user and the provider.
Front Matter....Pages 1-17
Front Matter....Pages 1-1
Social Recommender Systems....Pages 3-42
Legal Aspects of Recommender Systems in the Web 2.0: Trust, Liability and Social Networking....Pages 43-62
Front Matter....Pages 63-63
Challenges in Tag Recommendations for Collaborative Tagging Systems....Pages 65-87
A Multi-criteria Approach for Automatic Ontology Recommendation Using Collective Knowledge....Pages 89-103
Front Matter....Pages 105-105
Implicit Trust Networks: A Semantic Approach to Improve Collaborative Recommendations....Pages 107-119
Social Recommendation Based on a Rich Aggregation Model....Pages 121-135
Front Matter....Pages 137-137
Group Recommender Systems: New Perspectives in the Social Web....Pages 139-157
Augmenting Collaborative Recommenders by Fusing Social Relationships: Membership and Friendship....Pages 159-175
Front Matter....Pages 177-177
Recommendations on the Move....Pages 179-193
SCORM and Social Recommendation: A Web 2.0 Approach to E-learning....Pages 195-207
Front Matter....Pages 209-209
Conclusiones and Open Trends....Pages 211-222