دانلود مقاله بررسی راهکارهای بهبود سیستم های پیشنهادگر مبتنی بر Collaborative Filtering در تجارت الکترونیکی

اختصاصی از فی گوو دانلود مقاله بررسی راهکارهای بهبود سیستم های پیشنهادگر مبتنی بر Collaborative Filtering در تجارت الکترونیکی دانلود با لینک مستقیم و پر سرعت .

 دانلود مقاله بررسی راهکارهای بهبود سیستم های پیشنهادگر مبتنی بر Collaborative Filtering در تجارت الکترونیکی

نوع فایل : Word 

تعداد صفحات : 14

چکیده: اگرچه کاربردهای CF به عنوان یک سیستم پیشنهادگر در حوزه های تجارت الکترونیکی امری نسبتاً جدید است، ولی در عین حال این تکنیک از قدمت زیادی برخوردار است[7]. در این مقاله با اشاره به پدیدة سرریز شدن اطلاعات، نیاز شدید به سیستم های پیشنهادگر مبتنی بر رایانه را در حوزة تجارت الکترونیکی بیان می‌کنیم و به بررسی توانمندی ها و چالش های پیش روی سیستم های CF به عنوان یکی از متدهای اصلی در سیستم های پیشنهادگر می‌پردازیم . در انتها به بررسی راهکارهای بهبود سیستم های پیشنهادگر مبتنی بر CF در تجارت الکترونیکی می پردازیم.

کلید واژه : Collaborative Filtering ، پالایش اجتماعی، سیستم‌های پیشنهادگر، پالایش اطلاعات در تجارت الکترونیکی

1 – مقدمه
هر روزه به تعداد مقالات، فایل های موسیقی، فیلم‌ها، کتاب‌ها و صفحات وب موجود در اینترنت افزوده می شود. بدون شک پدیدة سرریز شده اطلاعات که Dening [3] در سال 1982 به آن اشاره کرده بود، بطور بارز در جامعة اطلاعاتی امروزه بروز پیدا کرده است. در چنین محیطی افراد نمی دانند با این حجم عظیم اطلاعات چه کنند، آنها اغلب از فرصت های موجود به دلیل این حجم بالای داده ای بی اطلاع می مانند و در پاره ای از موارد بطوری کلی از تصمیم گیری در آن زمینه صرف نظر می‌کنند. فرض کنید به دنبال خرید یک دستگاه اتومبیل هستید ، احتمالاً برای انجام این کار با گزینه های مختلفی روبه رو می شوید و شاید دچار سردرگمی شوید .سابق بر این، برای غلبه بر این نوع مشکلات احتمالاً از نظرات دوستان، همکلاسی ها و یا همکاران خود کمک می-گرفتید ولی امروزه هیچ انسانی نمی تواند ادعا کند که با توجه به تمامی اطلاعات موجود به شما پیشنهادات مختلف را ارائه می دهد. امروزه استفاده از سیستم های پیشنهادگر مبتنی بر رایانه به عنوان یک ضرورت در آمده است و بسیاری از سایت های اینترنتی برای خدمت رسانی شایسته به مشتریان خود از سیستم های پیشنهادگر استفاده می کنند. از جملیة بارز ترین آنها می توان به Amazon، CDNOW، Barnes And Noble و IMDb [4] اشاره نمود. البته این تنها مصرف کنندگان و افراد حقیقی نیستند که از این نوع سیستم های پیشنهادگر استفاده می‌کنند…
2-انواع مختلف دسته بندی CF
3-الگوریتم های متداول CF
الگوریتم تصادفی (Random Algorithm):
الگوریتم میانگین (Mean Algorithm):
الگوریتم های بر پایه ی همسایگی (Neighborhood-Based Algorithms):
کاربر به کاربر (User-to-User):
کالا به کالا (Item-to-Item):

4-مشکلات CF
1. کالاهای جدید (Cold Start):
2. کمبود نظرها (Scarcity):
3. مقیاس پذیری (Scalability):
4. حریم خصوصی (Privacy):
5. اعتبار داده ها (Recency):
6. اعتماد به سیستم های پیشنهاد دهنده:
7. اعتماد به داده های موجود در سیستم های پیشنهاد دهنده :
5-راه حل ها
6- جمع‌بندی
منابع

(A General Schema on Trading Agent Competition in Supply Chain Management (TAC-SCM

Abstract 
TAC SCM is a new interdisciplinary challenge which aims to promote dynamic supply chain practices among trading agents in Trading Agents Competition (TAC). Previous studies conducted in this area focus on limited sets of parameters such as price prediction, production scheduling algorithm and offer acceptor predictor. In this paper we intend to develop a general schema which depicts the relation among the most influential parameters in Supply Chain Management (SCM).
Keywords—SCM, TAC, E-commerce, AI.
8. INTRODUCTION
9. THE TAC SUPPLY CHAIN MANAGEMENT SCENARIO
a. Component Procurement
b. Computer Sales
c. Production and Delivery
10. PROBLEM ANALYSIS
11. CONCLUSION
REFERENCES