شبیه سازی مقاله سیستم توصیه گر فازی با عنوان : User Based Collaborative Filtering using Fuzzy C-Means
مناسب برای محققان و دانشجویانی که در زمینه های زیر کار میکنند
سیستم های توصیه گر
سیستم های توصیه گر پالایش مشارکتی
سیستم های فازی و خوشه بندی
داده کاوی
و…..
چکیده مقاله :
Abstract:
Today, users are surrounded by many items. Recommender Systems are used to help users find items of interest. Collaborative Filtering is one of the most successful techniques of Recommender Systems, which seeks to find users most similar to the active one in order to recommend items. In Collaborative Filtering, clustering techniques can be used for grouping the most similar users into some clusters. Fuzzy Clustering as one of the most frequently used clustering techniques, has not been used in user-based collaborative filtering yet. In this paper, a fuzzy c-means approach has been proposed for user-based collaborative filtering and its performance against different clustering approaches has been assessed. The MovieLens dataset is used to compare different clustering algorithms. They are evaluated in terms of recommendation accuracy, precision and recall. The empirical results indicate that a combination of Center of Gravity defuzzified Fuzzy Clustering and Pearson Correlation Coefficient can yield better recommendation results, compared to other techniques.
ترجمه چکیده مقاله:
فیلترمشارکتی مبتنی بر کاربر با استفاده از الگوریتم خوشه بندی FCM
چکیده:
امروزه، کاربران با آیتم های زیادی مواجه هستند. سیستم های توصیه گراستفاده میشوند تا به کاربران برای پیدا کردن آیتم های مورد علاقه شان کمک کنند. فیلتر مشارکتی (Collaborative Filtering) یکی از موفق ترین تکنیک های سیستم های توصیه گر می باشد، که مشابه ترین کاربران به کاربر فعال را به منظور توصیه کردن آیتم پیدا میکند. در فیلتر مشارکتی، تکنیک های خوشه بندی برای گروه بندی کردن کاربران مشابه تر در خوشه های یکسان قابل استفاده می باشند. روش خوشه بندی FCM بعنوان یکی از تکنیک های خوشه بندی ای که اغلب مورد استفاده قرار میگیرد، در فیلتر مشارکتی مبتنی برکاربر هنوز استفاده نشده است. در این مقاله، روش خوشه بندی c میانگین فازی یا FCM برای فیلترینگ مشارکتی مبتنی برکاربر پیشنهاد شده است و عمکرد آن در برابر روشهای خوشه بندی مختلف موردی بررسی قرار گرفته است.
مجموعه داده مووی لنز (MovieLens) برای مقایسه الگوریتم های خوشه بندی مختلف مورد استفاده قرار گرفته است. و روشها را از نظر دقت (accuracy) و صحت (precision) و recall ارزیابی کرده ایم. نتایج تجربی نشان میدهد که ترکیبی از روش خوشه بندی فازی با دیفازی کردن مرکز ثقل (Center of Gravity defuzzified) و ضریب همبستگی پیرسون منجر به توصیه های بهتری به نسبت سایر روش ها شده است.
کلمات کلیدی: سیستم توصیه گر، فیلتر مشارکتی، خوشه بندی، k میانگین (k-means)،c میانگین فازی (fcm) و نگاشت خود سازمان ده (SOM).
ما این مقاله را در متلب شبیه سازی کرده ایم و کد متلب به همراه ترجمه مقاله و توضیحات کد قابل ارائه به علاقه مندان می باشد.
جهت دریافت کد متلب (شبیه سازی) مقاله ژورنال 2016 در زمینه سیستم توصیه گر فازی با ما در تماس باشید
شماره تماس 09120563264
اطلاعات بسته آموزشی :
– فایل ترجمه مقاله شامل 24 صفحه با فونت 13 و با فرمت pdf
– فایل توضیحات کد شامل 16 صحفه با فرمت pdfکه توضیح نحوه اجرای برنامه و توضیح کد برنامه در این فایل آورده شده است
– پوشه حاوی کد های برنامه ، قابل اجرا در نرم افزار متلب
سلام چجوری می تونم این مقاله رو تهیه کنم
سلام.
میتونید با شماره درج شده در سایت در تلگرام یا واتساپ تماس بگیرید تا کامل راهنمایی تان کنند.