مقایسه تاثیر تحلیل احساسات و رتبه بندی کاربران بر عملکرد سیستم های پیشنهاد دهنده
در سال های گذشته، ظهور شبکه های اجتماعی منجر به افزایش توجه به سمت سیستم های پیشنهاد دهنده مبتنی بر نظرها شده است. هدف از توسعه چنین سیستم هایی استفاده از اطلاعات ارزشمند نظرهای متنی کاربران در فرایند الگو سازی و ارایه پیشنهاد است. در محیط شبکه های اجتماعی به طور معمول سیستم های پیشنهاددهنده مبتنی بر پالایه نمودن مشارکتی برای ارایه توصیه به کاربران استفاده می شود. اساس کار این رویکرد، تجربه و نظر سایر افراد برای خرید اقلام و محصولات است. در این پژوهش سیستمی برای ارایه توصیه به کابران برای خرید کتاب با ترکیب فیلتریگ مشارکتی و تحلیل احساسات ارایه شد. برای تحلیل احساسات از الگو های ترکیبی برای استخراج عقاید نظرهای کاربران استفاده شد. در رویکرد ترکیبی از رای گیری مبتنی بر وزن جهت الگو سازی استفاده گردیده است. الگو پیاده سازی شده بر نظرهای 7210 کاربر و خریدار کتاب تارنمای آمازون که از راه خزنده وب از تارنما آمازون استخراج شده اند، ارزیابی شده است. برای ارایه توصیه به کاربران پس از تشکیل پروفایل اقلام، شباهت میان اقلام استخراج می شود و در انتها اقلام مشابه با محصولاتی که هر کاربر به آن نمره خوبی داده است، به عنوان محصول پیشنهادی ارایه می شود. نتایج نشان می دهند تحلیل احساسات نظر کاربران بر پیشنهاد کالاهای مورد علاقه کاربر و عملکرد سیستم های پیشنهاددهنده تاثیر مثبتی دارد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.