جستجوی مقالات مرتبط با کلیدواژه "سیستم های پیشنهاد دهنده" در نشریات گروه "فناوری اطلاعات"

اخیرا سیستم های برچسب زنی اجتماعی به صورت روز افزون متداول شده و در حال افزایش می باشد. این سیستم ها به کاربران اجازه می دهد تا منابع مورد نیاز خود را به صورت آزادانه سازماندهی، مدیریت و جستجو نمایند. از چالش های این نوع سیستم ها می توان به حجم بالای داده، داده ناسازگار، استفاده از الگوریتم های زمانبر یادگیری ماشین و عدم قابلیت اجرا و تطبیق در دنیای واقعی اشاره نمود. این چالش ها سبب افزایش روز افزون تحقیقات در سالهای اخیر شده است. راهکار این چالش ها سیستم های پیشنهاد دهنده می باشد، به همین دلیل سیستم پیشنهاد دهنده منابع را بر اساس برچسب معرفی نموده ایم که توانایی کمک به کاربر در انتخاب منبع مناسب و یکپارچه نمودن این منابع در بین تمام کاربران را پوشش می دهد. این سیستم به دلیل ترکیب و یکپارچه نمودن روش های مبتنی بر محتوا، مبتنی بر مشارکت، کلمات مرتبط و پروفایل کاربر سبب حذف مشکل شروع- سرد در ابتدای کار سیستم می شود. اگر سیستم دارای هیچ اطلاعاتی نباشد و برای اولین بار اقدام به فعالیت نماید، با استفاده از محتوای منبع و کلمات مرتبط اقدام به ارائه پیشنهاد به کاربر می کند که این بزگترین مزیت سیستم می باشد. در این سیستم، پیشنهادات بر اساس علائق شخصی کاربر، علائق کاربران مشابه، محتوای منابع مورد نظر و پایگاه های اطلاعاتی مرتبط با هستی شناسی و کلمات مرتبط انجام می شود. ارزیابی سیستم پیشنهادی بر روی مجموعه داده استخراج شده از سایت دلیشز انجام شده است. نتایج به دست آمده از آزمایشها، بهبود صحت در ارائه پیشنهادات و کارایی این سیستم را در مقابل روش پیشنهاد ترکیبی تا 67 درصد افزایش می دهد.

ارائه سرویس های مناسب به مشتریان همواره یکی از موارد مهم در بانک ها بوده است. از سویی شناسایی زمان مناسب برای ارائه این سرویس ها نیز توجه بسیاری از محققان را به خود جلب کرده است. شناسایی زمان مناسب ارائه پیشنهادها هم از نظر اثر بخشی پیشنهادها، (پذیرش مشتریان) و هم از نظر کارایی (صرف مناسب منابع) برای طراحان حائز اهمیت بوده است. در این مقاله سعی شده با استفاده از داده های مربوط به تراکنش های مالی مشتریان، زمان مناسب جهت پیشنهاد سرویس های مورد علاقه مشتری شناسایی گردد. بر این اساس در این تحقیق نتایج حاصل از پیش بینی روند آتی تراکنش های مشتری(روند مثبت، منفی یا تغییر الگوی رفتاری) با بیان از شبکه های عصبی پرسپترون، در شناسایی زمان مناسب جهت پیشنهاد سرویس های مورد علاقه بیان شده است. این سرویس ها بر اساس علایق مشتری و نتایج حاصل از پیش بینی الگوی رفتاری شناسایی گردیده است.