توضیحات
There is an increasing demand for recommender systems due to the information overload users are facing on the Web. The goal of a recommender system is to provide personalized recommendations of products or services to users. With the advent of the Social Web, user-generated content has enriched the social dimension of the Web. As user-provided content data also tells us something about the user, one can learn the users individual preferences from the Social Web. This opens up completely new opportunities and challenges for recommender systems research. Fatih Gedikli deals with the question of how user-provided tagging data can be used to build better recommender systems. A tag recommender algorithm is proposed which recommends tags for users to annotate their favorite online resources. The author also proposes algorithms which exploit the user-provided tagging data and produce more accurate recommendations. On the basis of this idea, he shows how tags can be used to explain to the user the automatically generated recommendations in a clear and intuitively understandable form. With his book, Fatih Gedikli gives us an outlook on the next generation of recommendation systems in the Social Web sphere.
————————————————————–
ترجمه ماشینی :
به دلیل بار بیش از حد اطلاعاتی که کاربران در وب با آن مواجه هستند، تقاضای فزاینده ای برای سیستم های توصیه گر وجود دارد. هدف یک سیستم توصیه گر ارائه توصیه های شخصی از محصولات یا خدمات به کاربران است. با ظهور شبکه اجتماعی، محتوای تولید شده توسط کاربر بعد اجتماعی وب را غنی کرده است. از آنجایی که دادههای محتوای ارائهشده توسط کاربر نیز چیزی در مورد کاربر به ما میگوید، میتوان ترجیحات فردی کاربران را از وب اجتماعی یاد گرفت. این فرصت ها و چالش های کاملا جدیدی را برای تحقیقات سیستم های توصیه گر باز می کند. فاتح گدیکلی به این سوال می پردازد که چگونه می توان از داده های برچسب گذاری ارائه شده توسط کاربر برای ساختن سیستم های توصیه گر بهتر استفاده کرد. یک الگوریتم پیشنهاد دهنده برچسب پیشنهاد شده است که برچسب ها را به کاربران توصیه می کند تا منابع آنلاین مورد علاقه خود را حاشیه نویسی کنند. نویسنده همچنین الگوریتمهایی را پیشنهاد میکند که از دادههای برچسبگذاری ارائهشده توسط کاربر بهرهبرداری میکنند و توصیههای دقیقتری تولید میکنند. بر اساس این ایده، او نشان می دهد که چگونه می توان از برچسب ها استفاده کرد تا توصیه های تولید شده به طور خودکار را به شکلی واضح و قابل درک به کاربر توضیح دهد. فاتح گدیکلی با کتاب خود چشم اندازی از نسل بعدی سیستم های توصیه در حوزه وب اجتماعی به ما می دهد.
tag : دانلود کتاب سیستمهای توصیهکننده و وب اجتماعی: استفاده از دادههای برچسبگذاری برای سیستمهای توصیهکننده , Download سیستمهای توصیهکننده و وب اجتماعی: استفاده از دادههای برچسبگذاری برای سیستمهای توصیهکننده , دانلود سیستمهای توصیهکننده و وب اجتماعی: استفاده از دادههای برچسبگذاری برای سیستمهای توصیهکننده , Download Recommender Systems and the Social Web: Leveraging Tagging Data for Recommender Systems Book , سیستمهای توصیهکننده و وب اجتماعی: استفاده از دادههای برچسبگذاری برای سیستمهای توصیهکننده دانلود , buy سیستمهای توصیهکننده و وب اجتماعی: استفاده از دادههای برچسبگذاری برای سیستمهای توصیهکننده , خرید کتاب سیستمهای توصیهکننده و وب اجتماعی: استفاده از دادههای برچسبگذاری برای سیستمهای توصیهکننده , دانلود کتاب Recommender Systems and the Social Web: Leveraging Tagging Data for Recommender Systems , کتاب Recommender Systems and the Social Web: Leveraging Tagging Data for Recommender Systems , دانلود Recommender Systems and the Social Web: Leveraging Tagging Data for Recommender Systems , خرید Recommender Systems and the Social Web: Leveraging Tagging Data for Recommender Systems , خرید کتاب Recommender Systems and the Social Web: Leveraging Tagging Data for Recommender Systems ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.