Zeitschrift für Informationstechnologie und Softwareentwicklung

Zeitschrift für Informationstechnologie und Softwareentwicklung
Offener Zugang

ISSN: 2165- 7866

Abstrakt

Ein neues Profil-Lernmodell für Empfehlungssysteme auf Basis der Technik des maschinellen Lernens

Shereen H Ali, Ali I El Desouky und Ahmed I Saleh

Empfehlungssysteme (RS) wurden erfolgreich eingesetzt, um das Problem der Informationsüberflutung zu lösen, indem sie Endbenutzern personalisierte und zielgerichtete Empfehlungen geben. RS sind Softwaretools und -techniken, die Vorschläge für für einen Benutzer nützliche Artikel unterbreiten und daher typischerweise Techniken und Methoden aus dem Data Mining anwenden. Der Hauptbeitrag dieses Dokuments ist die Einführung eines neuen Benutzerprofil-Lernmodells, um die Empfehlungsgenauigkeit vertikaler Empfehlungssysteme zu verbessern. Das vorgeschlagene Profil-Lernmodell verwendet den vertikalen Klassifikator, der im Multiklassifizierungsmodul des Intelligent. Adaptive Vertical Recommendation (IAVR)-Systems verwendet wurde, um den Interessenbereich des Benutzers zu ermitteln und dann entsprechend das Benutzerprofil zu erstellen. Versuchsergebnisse haben die Effektivität des vorgeschlagenen Profil-Lernmodells bewiesen, das dementsprechend die Empfehlungsgenauigkeit verbessern wird.

Haftungsausschluss: Diese Zusammenfassung wurde mithilfe von Tools der künstlichen Intelligenz übersetzt und wurde noch nicht überprüft oder verifiziert.
Top