دوره 15، شماره 2 - ( 6-1397 )                   جلد 15 شماره 2 صفحات 119-132 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hosseini M, Nasrollahi M, Baghaei A. A hybrid recommender system using trust and bi-clustering in order to increase the efficiency of collaborative filtering. JSDP. 2018; 15 (2) :119-132
URL: http://jsdp.rcisp.ac.ir/article-1-613-fa.html
حسینی منیره، نصرالهی مقصود، بقائی علی. یک سامانه توصیه‎گر ترکیبی با استفاده از اعتماد و خوشه‎بندی دوجهته به‎منظور افزایش کارایی پالایش‎گروهی. پردازش علائم و داده‌ها. 1397; 15 (2) :119-132

URL: http://jsdp.rcisp.ac.ir/article-1-613-fa.html


دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (424 مشاهده)
موفقیت سامانههای تجارت الکترونیکی و تراکنشهای کسبوکار برخط، بهطور قابل توجهی وابسته به طراحی مؤثر سازوکار توصیه محصولات است. فراهمکردن توصیههای باکیفیت برای سامانههای تجارت الکترونیکی بسیار مهم است تا بدینترتیب به کاربران در تصمیمگیری مؤثر میان انتخابهای متعدد کمک کند. پالایشگروهی یک روش برای تولید توصیهها بر اساس رتبههای کاربران مشابه است که بهصورت وسیعی مورد قبول واقع شده است. این روش دارای چندین مشکل ذاتی مانند کمپشتی دادهها، شروع سرد و مقیاسپذیری است. حل این مشکلات و بهبود کارایی پالایشگروهی از چالشهای مطرح در این زمینه است. در این مقاله یک سامانه ترکیبی جدید که شبکه اعتماد و خوشهبندی دوجهته را برای افزایش کارایی پالایشگروهی به‌کار میبندد، پیشنهاد شده است. نتایج تجربی بر روی زیرمجموعهای از مجموعهدادههای epinions، اثربخشی و کارایی سامانه پیشنهادی در مقابل روشهای پالایش گروهی مبتنی بر کاربر و پالایش گروهی ترکیبی با اعتماد را تأیید میکند.
متن کامل [PDF 4535 kb]   (69 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: ۱۳۹۵/۹/۳ | پذیرش: ۱۳۹۷/۲/۹ | انتشار: ۱۳۹۷/۶/۲۵ | انتشار الکترونیک: ۱۳۹۷/۶/۲۵

فهرست منابع
1. [1] علیزاده، حسین، مشکی، محسن، پروین، حمید، مینایی بیدگلی، بهروز، "خوشه‌بندی ترکیبی مبتنی بر زیرمجموعه‌ای از خوشه‌های اولیه"، پردازش علائم و داده‌ها، ۷ (۱) :۱۹-۳۲، ۱۳۸۹.
2. [1] H. Alizadeh, M. Moshki, H. Parvin, B. Minaei Bidgoli, "Clustering Ensemble based on combination of subset of primary clusters", JSDP; 7 (1):19-32, 2010.
3. [2] G. Adomavicius, and A. Tuzhilin, "Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions", IEEE transactions on knowledge and data engineering, 17(6):734-49, 2005 Jun, [DOI:10.1109/TKDE.2005.99]
4. [3] C. Basu, H. Hirsh, and W. Cohen, "Recommenda-tion as classification: Using social and content-based information in recommenda-tion", InAaai/iaai, pp. 714-720, 1998 Jul 1.
5. [4] J. Bobadilla, F. Ortega, A. Hernando, and A. Gutiérrez, "Recommender systems survey", Knowledge-Based Systems, 46:109-32, 2013. [DOI:10.1016/j.knosys.2013.03.012]
6. [5] J. S. Breese, D. Heckerman, and C. Kadie, "Empirical analysis of predictive algorithms for collaborative filtering". InProceedings of the Fourteenth conference on Uncertainty in artificial intelligence, Morgan Kaufmann Publishers Inc, pp. 43-52, 1998 Jul 24.
7. [6] D. U. Yongping, and L. HUANG, "Improve the Collaborative Filtering Recommender System Performance by Trust Network Construction", Chinese Journal of Electronics, 25(3):418-23, 2016 May. [DOI:10.1049/cje.2016.05.005]
8. [7] A. Felfering, G. Friedrich, and L. S. Thieme, "Recommender Systems", Intelligent Systems IEEE, 22, pp. 18-22, 2007. [DOI:10.1109/MIS.2007.52]
9. [8] L. Gao, and C. Li, "Hybrid personalized recommended model based on genetic algorithm", In2008 4th International Conference on Wireless Communications, Networking and Mobile Computing, IEEE, 12, pp. 1-4, 2008 Oct.
10. [9] T. George, and S. Merugu, "A scalable collaborative filtering framework based on co-clustering", InFifth IEEE International Confer-ence on Data Mining (ICDM'05), IEEE, pp. 4-pp, 2005 Nov 27.
11. [10] F. Gorunescu, "Data Mining: Concepts, models and techniques", Springer Science & Business Media, Vol. 12, 2011. _4 _3 _5 _1 _2 _6 [DOI:10.1007/978-3-642-19721-5]
12. [11] G. Guo, J. Zhang, and D. Thalmann, "Merging trust in collaborative filtering to alleviate data sparsity and cold start", Knowledge-Based Systems, 57:57-68, 2014. [DOI:10.1016/j.knosys.2013.12.007]
13. [12] J. L. Herlocker, J. A. Konstan, L. G. Terveen, and J. T. Riedl, "Evaluating collaborative filtering recommender systems", ACM Transactions on Information Systems (TOIS), 22(1):5-3, 2004 Jan 1. [DOI:10.1145/963770.963772]
14. [13] Y. Ho, D. Fong, and Z. Yan, "A Hybrid GA-based Collaborative Filtering Model for Online Recommenders", InIce-b, pp. 200-203, 2007.
15. [14] H. Ingoo, J. O. Kyong, and H. R. Tae, "The collaborative filtering recommendation based on SOM cluster-indexing CBR", Expert Systems with Applications, 25(3):413-23, 2003. [DOI:10.1016/S0957-4174(03)00067-8]
16. [15] D. Jannach, and M. Zanker, A. Felfering, and G. Friedrich, "Recommender Systems an introduce-tion", Cambridge University Press, New York, 2013.
17. [16] R. Katarya, and O. P. Verma, "A collaborative recommender system enhanced with particle swarm optimization technique", Multimedia Tools and Applications, 1-5, 2016. [DOI:10.1007/s11042-016-3481-4]
18. [17] K. J. Kim, and H. Ahn, "A recommender system using GA K-means clustering in an online shopping market", Expert systems with applications, 34(2):1200-9, 2008 Feb 29. [DOI:10.1016/j.eswa.2006.12.025]
19. [18] S. C. Kim, C. S. Park, and S. K. Kim, "A Hybrid Recommendation System Using Trust Scores in a Social Network", Embedded and Multimedia Computing Technology and Service, 107-112, 2012.
20. [19] U. Kużelewska, and K. Wichowski, "A Modified Clustering Algorithm DBSCAN Used in a Collaborative Filtering Recommender System for Music Recommendation", InTheory and Engineering of Complex Systems and Depend-ability, Springer International Publish-ing, pp. 245-254, 2015.
21. [20] N. Lathia, S. Hailes, and L. Capra, "Trust-based collaborative filtering", InIFIP International Conference on Trust Management 2008 Jun 18, Springer US, pp. 119-134, 2008.
22. [21] T. Q. Lee, Y. Park, and Y. T. Park, "A time-based approach to effective recommender systems using implicit feedback", Expert systems with applications; 34(4):3055-62, 2008 May 31 [DOI:10.1016/j.eswa.2007.06.031]
23. [22] Y. M. Li, C. T. Wu, and C. Y. Lai, "A social recommender mechanism for e-commerce: Combining similarity, trust, and relationship", Decision Support Systems, 55(3):740-52, 2013 Jun 30. [DOI:10.1016/j.dss.2013.02.009]
24. [23] X. Luo, Y. Xia, and Q. Zhu, "Incremental collaborative filtering recommender based on regularized matrix factorization", Knowledge-Based Systems, 27:271-80, 2012 Mar 31. [DOI:10.1016/j.knosys.2011.09.006]
25. [24] N. Manouselis, and K. Verbert, "Layered evaluation of multi-criteria collaborative filtering for scientific paper recommendation", Procedia Computer Science, 18:1189-97, 2013 Dec 31. [DOI:10.1016/j.procs.2013.05.285]
26. [25] L. Martinez, R. M. Rodriguez, and M. Espinilla, "Reja: a georeferenced hybrid recommender system for restaurants", InProceedings of the 2009 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology, IEEE Computer Society, Volume 03, pp. 187-190, 2009 Sep 15.
27. [26] T. M. Murali, and S. Kasif, "Extracting conserved gene expression motifs from gene expression data", InPacific symposium on Biocomputing, Vol. 8, pp. 77-88, 2003.
28. [27] M. Nilashi, O. Ibrahim, N. Ithnin, and N. H. Sarmin, "A multi-criteria collaborative filtering recommender system for the tourism domain using Expectation Maximization (EM) and PCA–ANFIS", Electronic Commerce Research and Applications, 14(6):542-62, 2015 Nov 30. [DOI:10.1016/j.elerap.2015.08.004]
29. [28] M. H. Park, J. H. Hong, and S. B. Cho, "Location-based recommendation system using bayesian user's preference model in mobile devices", InInternational Conference on Ubiquitous Intelligence and Computing, Springer Berlin Heidelberg, pp. 1130-1139, 2007 Jul 1.
30. [29] A. Prelić, S. Bleuler, P. Zimmermann, A. Wille, P. Bühlmann, W. Gruissem, L. Hennig, L. Thiele, and E. Zitzler, "A systematic comparison and evaluation of biclustering methods for gene expression data", Bioinformatics, 22(9):1122-9, 2006 May 1. [DOI:10.1093/bioinformatics/btl060] [PMID]
31. [30] B. Sarwar, G. Karypis, J. Konstan, and J. Riedl, "Item-based collaborative filtering recommenda-tion algorithms", InProceedings of the 10th international conference on World Wide Web, ACM, pp. 285-295, 2001 Apr 1.
32. [31] J. B. Schafer, J. Konstan, and J. Riedl, "Recommender systems in e-commerce", InProceedings of the 1st ACM conference on Electronic commerce, ACM, pp. 158-166, 1999 Nov 1.
33. [32] A. A. Shabalin, V. J. Weigman, C. M. Perou, and A. B. Nobel, "Finding large average submatrices in high dimensional data", The Annals of Applied Statistics, 985-1012, 2009 Sep 1. [DOI:10.1214/09-AOAS239]
34. [33] X. Shen, H. Long, and C. Ma, "Incorporating trust relationships in collaborative filtering recom-mender system", InSoftware Engineering, Arti-ficial Intelligence, Networking and Parallel/Distributed Computing (SNPD), 2015 16th IEEE/ACIS International Conference, pp. 1-8, 2015 Jun 1.
35. [34] T. H. Soliman, S. A. Mohamed, and A. A. Sewisy, "Developing a mobile location-based collabora-tive Recommender System for GIS applica-tions", InComputer Engineering & Systems (ICCES), 2015 Tenth International Conference, IEEE, pp. 267-273, 2015 Dec 23.
36. [35] P. Symeonidis, A. Nanopoulos, A. N. Papadopoulos, and Y. Manolopoulos, "Nearest-biclusters collaborative filtering based on constant and coherent values", Information retrieval, 11(1):51-75, 2008 Feb 1; [DOI:10.1007/s10791-007-9038-4]
37. [36] P. Victor, M. De Cock, and C. Cornelis, "Trust and recommendations", InRecommender syst-ems handbook 2011, Springer US, pp. 645-675, 2011.
38. [37] B. Xu, J. Bu, C. Chen, and D. Cai, "An exploration of improving collaborative recomm-ender systems via user-item subgroups", InPro-ceedings of the 21st international conference on World Wide Web, ACM, pp. 21-30, 2012 Apr 16.
39. [38] R. R. Yager, "Fuzzy logic methods in recomm-ender systems", Fuzzy Sets and Systems, 136(2):133-49, 2003 Jun 1. [DOI:10.1016/S0165-0114(02)00223-3]
40. [39] S. Yan, "A Collaborative Filtering Recommender Approach by Investigating Interactions of Interest and Trust", InKnowledge Engineering and Management, Springer Berlin Heidelberg, pp. 173-188, 2014.
41. [40] X. Yang, Y. Guo, Y. Liu, and H. Steck, "A survey of collaborative filtering based social recomm-ender systems", Computer Communica-tions, 41:1-0, 2014 Mar 15. [DOI:10.1016/j.comcom.2013.06.009]
42. [41] W. Yuan, D. Guan, Y. K. Lee, S. Lee, and S. J. Hur, "Improved trust-aware recommender system using small-worldness of trust networks", Knowledge-Based Systems, 23(3):232-8, 2010 Apr 30. [DOI:10.1016/j.knosys.2009.12.004]
43. [42] N. Zheng, and Q. Li, "A recommender system based on tag and time information for social tagging systems", Expert Systems with Applications, 38(4):4575-87, 2011 Apr 30. [DOI:10.1016/j.eswa.2010.09.131]
44. [43] R. Zhu, and S. Gong, "Analyzing of collaborative filtering using clustering technology", In Computing, Communication, Control, and Management. CCCM 2009, ISECS International Colloquium on Vol. 4, pp. 57-59, IEEE, 2009.

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها می باشد.