Powerpoint - Copy

Содержание

Слайд 2

فهرست مطالب بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه 2 29

فهرست مطالب

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

2

29

Слайд 3

مقدمه: بهینه سازی دقت توصیه ها و زمان پاسخ جهت سنجیدن

مقدمه:
بهینه سازی دقت توصیه ها و زمان پاسخ جهت سنجیدن یک

سیستم توصیه گر بهینه
پیشینه پژوهش:
ارائه ی روش‌های یادگیری ماشین، متن‌کاوی، فیلترینگ مبتنی بر محتوا، فیلترینگ مشارکتی، الگوریتم های مبتنی بر شباهت اطلاعات و کاربر جهت توصیه ی هوشمند مقالات
روش پژوهش:
ارائه ی یک روش جهت بهینه‌سازی بردار جستجو در سیستم‌های توصیه‌گر
بهبود کیفی نتایج بازیابی توسط سنجش معیار امتیاز توصیه‌ی سیستم

مقدمه

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

3

29

Слайд 4

ضرورت پژوهش نیاز سیستم‌های توصیه گر در مورد مقاله دانشگاهی برای

ضرورت پژوهش
نیاز سیستم‌های توصیه گر در مورد مقاله دانشگاهی برای دسترس

پذیری بهتر مقالات علمی
رویکرد پژوهش
استفاده الگوریتم‌های یادگیری ماشین در سیستم‌های توصیه گر و توسعه ی آن
عملکرد بهتر در یافتن مقالات مشابه جهت اتخاذ تصمیمات بهتر
نوآوری پژوهش
تعیین فاصله ی مستندات با سیستم وزن دهی پیشنهادی
ارائه ی یک روش ترکیبی با ادغام روش های فیلترینگ مشارکتی و تحلیل محتوا

بیان مساله

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

4

29

Слайд 5

شناسایی روند بکارگیری الگوریتم‌های یادگیری ماشین در سیستم‌های توصیه گر ارائه

شناسایی روند بکارگیری الگوریتم‌های یادگیری ماشین در سیستم‌های توصیه گر
ارائه راهکاری

بهینه برای افزایش دقت سیستم‌های توصیه‌گر در یافتن مستندات با استفاده از K-NN
کمک به محققان جدید برای قرارگیری در موقعیت تحقیقاتی جدید با پیشنهاد مقالات مرتبط
خودکارسازی عملیات در پردازش انبوه مقالات
امکان یافتن مستندات تکراری در حجم بالایی از اطلاعات

اهداف

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

5

29

Слайд 6

کمبود اطلاعات مقیاس پذیری شروع سرد تنوع و دقت چالش ها

کمبود اطلاعات
مقیاس پذیری
شروع سرد
تنوع و دقت

چالش ها

بهبود عملکرد سیستم‌های توصیه‌گر

با استفاده از الگوریتم کا-نزدیکترین همسایه

آسیب پذیری در برابر حملات
ارزش زمان
ارزیابی توصیه گرها
واسط کاربری

6

29

Слайд 7

توصیه ی موارد به کاربران با استفاده از روش های هوش

توصیه ی موارد به کاربران با استفاده از روش های هوش

مصنوعی
بررسی فعالیت‌های گذشته کاربران به عنوان بخش مهمی از داده ها
سه گروه اصلی سیستم‌های توصیه‌گر:
فیلترینگ مشارکتی: عبارت است از در نظر گرفتن داده های کاربر هنگام پردازش اطلاعات برای توصیه
فیلترینگ مبتنی بر محتوا: یعنی پایه گذاری توصیه های RSها بر روی داده های در دسترس از کاربر
فیلترینگ ترکیبی: یعنی ترکیب دو دسته ی مشارکتی و مبتنی بر محتوا

سیستم های توصیه‌گر

7

29

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

Слайд 8

مقایسه سیستم های پیشین بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از

مقایسه سیستم های پیشین

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم

کا-نزدیکترین همسایه

مقایسه ی برخی از پژوهش های پیشین در زمینه سیستم های توصیه گر مقاله

8

29

Слайд 9

طرح پیشنهادی نمودار بلوکی از روش فیلترینگ پیشنهادی در یک سیستم

طرح پیشنهادی

نمودار بلوکی از روش فیلترینگ پیشنهادی در یک سیستم توصیه‌گر

9

29

بهبود

عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه
Слайд 10

طبقه‌بند -Kنزدیکترین همسایه در روش پیشنهادی بهبود عملکرد سیستم‌های توصیه‌گر با

طبقه‌بند -Kنزدیکترین همسایه در روش پیشنهادی

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده

از الگوریتم کا-نزدیکترین همسایه

مثالی از طبقه‌بندی روش K-نزدیک‌ترین همسایه

طبقه‌بندی نمونه‌ی جدید با مقادیر متغیر K

10

29

Слайд 11

مجموعه دادگان پژوهش بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم

مجموعه دادگان پژوهش

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین

همسایه

اندازه و ترکیب دیتاست sd4ai

11

29

Слайд 12

ارزیابی بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

ارزیابی

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

وضعیت تشابه

موضوعات مقالات در مجموعه دادگان sd4ai بر اساس کاردینالیتی

12

29

Слайд 13

ارزیابی بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

ارزیابی

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

روند رشد

بردار جستجو در سیستم‌های توصیه‌گر با روش استخراج کلید واژه

13

29

Слайд 14

ارزیابی بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

ارزیابی

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

روند رشد

بردار جستجو در سیستم‌های توصیه‌گر با روش فیلترینگ پیشنهادی

14

29

Слайд 15

ارزیابی بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

ارزیابی

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

مقایسه‌ی نتایج

طبقه‌بندی K-NNبا روش فیلترینگ پیشنهادی و روش فیلتر تمام کلید واژه‌ها

15

29

Слайд 16

ارزیابی مقایسه‌ی زمان محاسباتی دو روش فیلترینگ پیشنهادی و روش فیلتر

ارزیابی

مقایسه‌ی زمان محاسباتی دو روش فیلترینگ پیشنهادی و روش فیلتر کلیدواژه‌ها

16

29

بهبود

عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه
Слайд 17

ارزیابی بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

ارزیابی

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

جدول3- مقایسه‌ی

نتایج طبقه‌بندی K-NN با روش فیلترینگ پیشنهادی و روش فیلتر تمام کلید واژه‌ها

شکل8- مقایسه‌ی دقت طبقه‌بندی الگوریتم‌های یادگیری ماشین روی بردار ویژگی پیشنهادی

17

29

Слайд 18

ارزیابی 16 29 بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم

ارزیابی

16

29

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

معیار امتیاز

توصیه‌ سیستم
Слайд 19

ارزیابی هر دو روش بر روی کلمه energy 18 29 بهبود

ارزیابی هر دو روش بر روی کلمه energy

18

29

بهبود عملکرد سیستم‌های توصیه‌گر

با استفاده از الگوریتم کا-نزدیکترین همسایه
Слайд 20

ارزیابی هر دو روش بر روی کلمه neural networks 19 29

ارزیابی هر دو روش بر روی کلمه neural networks

19

29

بهبود عملکرد سیستم‌های

توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه
Слайд 21

ارزیابی هر دو روش بر روی کلمه classification 20 29 بهبود

ارزیابی هر دو روش بر روی کلمه classification

20

29

بهبود عملکرد سیستم‌های توصیه‌گر

با استفاده از الگوریتم کا-نزدیکترین همسایه
Слайд 22

ارزیابی هر دو روش بر روی کلمه time series 21 29

ارزیابی هر دو روش بر روی کلمه time series

21

29

بهبود عملکرد سیستم‌های

توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه
Слайд 23

ارزیابی هر دو روش بر روی کلمه alzheimer 22 29 بهبود

ارزیابی هر دو روش بر روی کلمه alzheimer

22

29

بهبود عملکرد سیستم‌های توصیه‌گر

با استفاده از الگوریتم کا-نزدیکترین همسایه
Слайд 24

ارزیابی هر دو روش بر روی کلمه markov 23 29 بهبود

ارزیابی هر دو روش بر روی کلمه markov

23

29

بهبود عملکرد سیستم‌های توصیه‌گر

با استفاده از الگوریتم کا-نزدیکترین همسایه
Слайд 25

ارزیابی بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

ارزیابی

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

وضعیت تشابه

موضوعات مقالات در مجموعه دادگان sd4ai بر اساس کاردینالیتی

24

29

Слайд 26

مقایسه با روش های پیشین بهبود عملکرد سیستم‌های توصیه‌گر با استفاده

مقایسه با روش های پیشین

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از

الگوریتم کا-نزدیکترین همسایه

وضعیت تشابه موضوعات مقالات در مجموعه دادگانsd4ai بر اساس کاردینالیتی

25

29

Слайд 27

ارائه ی یک روش جهت بهینه‌سازی بردار جستجو سیستم‌های توصیه‌گر بهبود

ارائه ی یک روش جهت بهینه‌سازی بردار جستجو سیستم‌های توصیه‌گر
بهبود

دقت نتایج طبقه‌بندی کا-نزدیکترین همسایه و کاهش زمان پاسخ سیستم توصیه‌گر توسط سربار اضافه شده
ارائه معیاری ابتکاری به‌نام امتیاز توصیه‌ی سیستم جهت مقایسه‌‌ی نتایج بدست آمده از لحاظ کیفیت موارد توصیه شده
اثبات تاثیر مثبت فرآیند پیش‌پردازشی تحمیل شده به سیستم جهت بهبود زمان پاسخ سیستم
بهینه سازی ۶۸ ثانیه در عملیات طبقه‌بندی با افزایش ۴ ثانیه عملیات پیش پردازش نسبت به روش فیلتر کلید واژه توسط روش فیلترینگ پیشنهادی

نتیجه گیری و جمع بندی

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده از الگوریتم کا-نزدیکترین همسایه

26

29

Слайд 28

پیشنهادات و زمینه کارهای آتی پژوهش بهبود عملکرد سیستم‌های توصیه‌گر با

پیشنهادات و زمینه کارهای آتی پژوهش

بهبود عملکرد سیستم‌های توصیه‌گر با استفاده

از الگوریتم کا-نزدیکترین همسایه

یافته های پژوهش
کارایی و انعطاف‌پذیری از جمله مزایای بکارگیری الگوریتم کا نزدیکترین همسایه
تاثیر مثبت افزودن یک لایه‌ی معنایی بر روی کلیدواژه‌ها و موضوعات استخراج شده از مقالات با بهینه‌سازی بردار جستجو و کاهش زمان فرآیند طبقه‌بندی
پژوهش آتی
بکارگیری روش‌های پردازش زبان طبیعی برای تحقق الزامات خاص پژوهش
آزمایش روش های جدید فیلترینگ مشارکتی، متناسب با ویژگی های ویژه مجموعه داده ارائه شده

27

29

Слайд 29

منابع [1] Hurtado, R., Bobadilla, J., Bojorque, R., Ortega, F., Li,

منابع

[1] Hurtado, R., Bobadilla, J., Bojorque, R., Ortega, F., Li, X.,

"A New Recommendation Approach Based on Probabilistic Soft Clustering Methods: A Scientific Documentation Case Study," IEEE Access, vol. 7, pp. 7522-7534, 2019.
[2] Son, J., Kim, S. B., "Academic paper recommender system using multilevel simultaneous citation networks," Decision Support Systems, vol. 105, pp. 24-33, 2018.
[3] Ortega, F., Bobadilla, J., Gutierrez, A., Hurtado, R., Li, X., "Artificial intelligence scientific documentation dataset for recommender systems," IEEE Access, vol. 6, pp. 48543-48555, 2018.
[4] Valdiviezo-Díaz P., Bobadilla J., "A Hybrid Approach of Recommendation via Extended Matrix Based on Collaborative Filtering with Demographics Information," in International Conference on Technology Trends, Communications in Computer and Information Science, Babahoyo, Ecuador, 2019.
[5] Holme, P., "Rare and everywhere: Perspectives on scale-free networks," Nature Communications, vol. 1, pp. 1-3, 2019.
[6] Dubey A., Gupta A., Raturi N., Saxena P., "Item-Based Collaborative Filtering Using Sentiment Analysis of User Reviews," in International Conference on Application of Computing and Communication Technologies, Libertad, Ecuador, 2018.
- Предыдущая
Великие земляки
Следующая -
Аттестационная работа. Роль кафедры математики и ИКТ в организации исследовательской деятельности в условиях гимназии

Похожие презентации

Отчет по профессионально-творческой практике
Как правильно сформулировать тему исследования
Дистанционные образовательные технологии в обучении детей и взрослых иностранному языку
Дистанционное обучение. Российская электронная школа
Точка роста
Правила написания курсовых работ
Кафедре эпидемиологии 75 лет
Аттестационная работа. Занимательные проекты
Визитная карточка. Мой профессиональный путь
Аттестационная работа. Образовательная программа по внеурочной деятельности Проект
Девятая Всероссийская командная олимпиада школьников по программированию
Аттестационная работа. Рабочая программа внеурочной деятельности. Юный филолог. (5 класс)
МОУ Лицей Интеллект
Характеристика структуры и содержания КИМ 2013 года
Документальное сопровождение деятельности общественных наблюдателей
Кафедра олигофренопедагогики. Педагоги
Особые образовательные потребности в контексте организации инклюзивного образования
Возможности инклюзивного образования в дошкольном учреждении
Народные танцы как средство развития координации движений у детей старшего дошкольного возраста в условиях ДОО
Аннотация к общеуниверситетскому конкурсу на лучший эскиз баннера, размещаемого на фасаде главного корпуса МГТУ ГА
Заседание областного методического объединения преподавателей УГС Промышленная экология и биотехнологии
Развитие критического мышления при обучении. Активные и интерактивные технологии обучения в СПО
Классификация образовательных технологий
Мирогощанський аграрний коледж
Сибирский Государственный университет телекоммуникаций и информатики (СибГУТИ)
СОЮЗ МИД: Школа-погружение английского языка
Организация учебного процесса по дисциплинам Физическая культура и спорт
Возможности использования цифровой образовательной платформы iNaturalist при проведении исследовательской деятельности
Вы можете прислать нам Вашу презентацию и мы опубликуем ее на сайте.
Обратная связь
Для правообладателей
Email: Нажмите что бы посмотреть