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: Patricia Victor, Chris Cornelis, Martine de Cock (auth.) سری: Atlantis Computational Intelligence Systems 4 ISBN (شابک) : 9789491216077, 9789491216084 ناشر: Atlantis Press سال نشر: 2011 تعداد صفحات: 210 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Trust Networks for Recommender Systems 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 شبکه های قابل اعتماد برای سیستم های پیشنهادی 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.
این کتاب تحقیقات انجام شده در زمینه انتشار و تجمع اعتماد/بی اعتمادی و استفاده از آنها در سیستم های توصیه گر را شرح می دهد. این یک موضوع تحقیقاتی داغ با پیامدهای مهم برای حوزه های مختلف کاربردی است. مشارکتهای نوآورانه اصلی این کار عبارتند از: - مدل مبتنی بر دوتایی جدید برای اعتماد و بیاعتماد، امکان ناآگاهی و ناسازگاری - پیشنهادهایی برای عملگرهای مختلف انتشار و تجمع، از جمله تجزیه و تحلیل ویژگیهای ریاضی - ارزیابی این عملگرها بر اساس دادههای واقعی، از جمله بحث در مورد مجموعه داده ها و ویژگی های آنها. -رویکردی جدید برای شناسایی موارد بحث برانگیز در یک سیستم توصیهگر -تحلیلی در مورد سودمندی شامل بیاعتمادی در سیستمهای توصیهگر -رویکردهای مختلف برای توصیههای مبتنی بر اعتماد (بر اساس فیلتر مشارکتی)، یک تحلیل تجربی عمیق، و پیشنهاد برای یک ترکیبی رویکرد -تحلیل انواع کاربر در سیستمهای توصیهگر برای بهینهسازی راهاندازی کاربران شروع سرد.
This book describes research performed in the context of trust/distrust propagation and aggregation, and their use in recommender systems. This is a hot research topic with important implications for various application areas. The main innovative contributions of the work are: -new bilattice-based model for trust and distrust, allowing for ignorance and inconsistency -proposals for various propagation and aggregation operators, including the analysis of mathematical properties -Evaluation of these operators on real data, including a discussion on the data sets and their characteristics. -A novel approach for identifying controversial items in a recommender system -An analysis on the utility of including distrust in recommender systems -Various approaches for trust based recommendations (a.o. base on collaborative filtering), an in depth experimental analysis, and proposal for a hybrid approach -Analysis of various user types in recommender systems to optimize bootstrapping of cold start users.
Front Matter....Pages i-xiii
Introduction....Pages 1-7
Trust Models....Pages 9-22
Trust Propagation....Pages 23-50
Trust Aggregation....Pages 51-90
Social Recommender Systems....Pages 91-107
Trust and Distrust-Based Recommendations....Pages 109-153
Connection Guidance for Cold Start Users....Pages 155-187
Conclusions....Pages 189-191
Back Matter....Pages 193-202