دانلود مقاله بررسی راهکارهای بهبود سيستم های پيشنهادگر مبتنی بر Collaborative Filtering در تجارت ال

دانلود مقاله بررسی راهکارهای بهبود سيستم های پيشنهادگر مبتنی بر Collaborative Filtering در تجارت ال

 دانلود مقاله بررسی راهکارهای بهبود سيستم های پيشنهادگر مبتنی بر Collaborative Filtering در تجارت الکترونيکینوع فایل : Word تعداد صفحات : 14چکيده: اگرچه کاربردهای CF به عنوان يک سيستم پيشنهادگر در حوزه های تجارت الکترونيکی امری نسبتاً جديد است، ولی در عين حال اين تکنيک از قدمت زيادی برخوردار است[7]. در اين مقاله با اشاره به پديدة سرريز شدن اطلاعات، نياز شديد به سيستم های پيشنهادگر مبتنی بر رايانه را در حوزة تجارت الکترونيکی بيان می‌کنيم و به بررسی توانمندی ها و چالش های پيش روی سيستم های CF به عنوان يکی از متدهای اصلی در سيستم های پيشنهادگر می‌پردازيم . در انتها به بررسی راهکارهای بهبود سيستم های پيشنهادگر مبتنی بر CF در تجارت الکترونيکی می پردازيم.کليد واژه : Collaborative Filtering ، پالايش اجتماعی، سيستم‌های پيشنهادگر، پالايش اطلاعات در تجارت الکترونيکی1 – مقدمههر روزه به تعداد مقالات، فايل های موسيقی، فيلم‌ها، کتاب‌ها و صفحات وب موجود در اينترنت افزوده می شود. بدون شک پديدة سرريز شده اطلاعات که Dening [3] در سال 1982 به آن اشاره کرده بود، بطور بارز در جامعة اطلاعاتی امروزه بروز پيدا کرده است. در چنين محيطی افراد نمی دانند با اين حجم عظيم اطلاعات چه کنند، آنها اغلب از فرصت های موجود به دليل اين حجم بالای داده ای بی اطلاع می مانند و در پاره ای از موارد بطوری کلی از تصميم گيری در آن زمينه صرف نظر می‌کنند. فرض کنيد به دنبال خريد يک دستگاه اتومبيل هستيد ، احتمالاً برای انجام اين کار با گزينه های مختلفی روبه رو می شويد و شايد دچار سردرگمی شويد .سابق بر اين، برای غلبه بر اين نوع مشکلات احتمالاً از نظرات دوستان، همکلاسی ها و يا همکاران خود کمک می-گرفتيد ولی امروزه هيچ انسانی نمی تواند ادعا کند که با توجه به تمامی اطلاعات موجود به شما پيشنهادات مختلف را ارائه می دهد. امروزه استفاده از سيستم های پيشنهادگر مبتنی بر رايانه به عنوان يک ضرورت در آمده است و بسياری از سايت های اينترنتی برای خدمت رسانی شايسته به مشتريان خود از سيستم های پيشنهادگر استفاده می کنند. از جملية بارز ترين آنها می توان به Amazon، CDNOW، Barnes And Noble و IMDb [4] اشاره نمود. البته اين تنها مصرف کنندگان و افراد حقيقی نيستند که از اين نوع سيستم های پيشنهادگر استفاده می‌کنند…2-انواع مختلف دسته بندی CF3-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 CF1. 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. INTRODUCTION9. THE TAC SUPPLY CHAIN MANAGEMENT SCENARIOa. Component Procurementb. Computer Salesc. Production and Delivery10. PROBLEM ANALYSIS11. CONCLUSIONREFERENCES