دانلود مقاله CARSKit : یک موتور توصیه گر متن آگاه مبتنی بر جاوا
تعداد کلمات فایل انگلیسی:2399 کلمه4 صفحه pdf
تعداد صفحات فایل ترجمه:8صفحه word فونت 12 B Nazanin
CARSKit : یک موتور توصیه گر متن آگاه مبتنی بر جاوا
چکیده: سیستم توصیه گر به عنوان یکی از مفیدترین ابزارها برای کمک به تصمیم گیری کاربران نشان داده شده است. چندین الگوریتم توصیه گر توسط مجموعه برنامه های توصیه گر تجاری و متن باز توسعه داده شده و اجرا شده است. سیستم توصیه گر متنی (CARS) طی یک دهه گذشته به صورت یک مسیر تحقیق جدید ظهور کرد و بسیاری از الگوریتم های توصیه گر متنی پیشنهاد شده اند. متاسفانه، به دلیل ویژگی های خاص فرمت داده ها و روش های پردازش در دامنه CARS ، هیچ موتور توصیه گری برای جاسازی این الگوریتم ها در کیت های خود راه اندازی نمی شوند. این مقاله یک موتور توصیه گر متنی متن باز مبتنی بر جاوا را به نام CARSKit معرفی می کند که به عنوان اولین برنامه توصیه گر متن باز به طور خاص برای CARS طراحی شده است. این برنامه، جدیدترین تکونولوژی الگوریتم های توصیه را اجرا می کند و ما راحتی با آن CARSKit را نشان می دهیم که اجازه می دهد توصیه گرها در این نسخه ی نمایشی پیکربندی و ارزیابی شوند.
CARSKit: A Java-Based Context-aware Recommendation Engine
Abstract—Recommender system has been demonstrated as one of the most useful tools to assist users’ decision makings. Several recommendation algorithms have been developed and implemented by both commercial and open-source recommendation libraries. Context-aware recommender system (CARS) emerged as a novel research direction during the past decade and many contextual recommendation algorithms have been proposed. Unfortunately, no recommendation engines start to embed those algorithms in their kits, due to the special characteristics of the data format and processing methods in the domain of CARS. This paper introduces an open-source Java-based context-aware recommendation engine named as CARSKit which is recognized as the 1st open source recommendation library specifically designed for CARS. It implements the state-of-the-art context-aware recommendation algorithms, and we will showcase the ease with which CARSKit allows recommenders to be configured and evaluated in this demo
کد:2-10778
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله CARSKit : یک موتور توصیه گر متن آگاه مبتنی بر جاوا
تعداد کلمات فایل انگلیسی:2399 کلمه4 صفحه pdf
تعداد صفحات فایل ترجمه:8صفحه word فونت 12 B Nazanin
CARSKit : یک موتور توصیه گر متن آگاه مبتنی بر جاوا
چکیده: سیستم توصیه گر به عنوان یکی از مفیدترین ابزارها برای کمک به تصمیم گیری کاربران نشان داده شده است. چندین الگوریتم توصیه گر توسط مجموعه برنامه های توصیه گر تجاری و متن باز توسعه داده شده و اجرا شده است. سیستم توصیه گر متنی (CARS) طی یک دهه گذشته به صورت یک مسیر تحقیق جدید ظهور کرد و بسیاری از الگوریتم های توصیه گر متنی پیشنهاد شده اند. متاسفانه، به دلیل ویژگی های خاص فرمت داده ها و روش های پردازش در دامنه CARS ، هیچ موتور توصیه گری برای جاسازی این الگوریتم ها در کیت های خود راه اندازی نمی شوند. این مقاله یک موتور توصیه گر متنی متن باز مبتنی بر جاوا را به نام CARSKit معرفی می کند که به عنوان اولین برنامه توصیه گر متن باز به طور خاص برای CARS طراحی شده است. این برنامه، جدیدترین تکونولوژی الگوریتم های توصیه را اجرا می کند و ما راحتی با آن CARSKit را نشان می دهیم که اجازه می دهد توصیه گرها در این نسخه ی نمایشی پیکربندی و ارزیابی شوند.
CARSKit: A Java-Based Context-aware Recommendation Engine
Abstract—Recommender system has been demonstrated as one of the most useful tools to assist users’ decision makings. Several recommendation algorithms have been developed and implemented by both commercial and open-source recommendation libraries. Context-aware recommender system (CARS) emerged as a novel research direction during the past decade and many contextual recommendation algorithms have been proposed. Unfortunately, no recommendation engines start to embed those algorithms in their kits, due to the special characteristics of the data format and processing methods in the domain of CARS. This paper introduces an open-source Java-based context-aware recommendation engine named as CARSKit which is recognized as the 1st open source recommendation library specifically designed for CARS. It implements the state-of-the-art context-aware recommendation algorithms, and we will showcase the ease with which CARSKit allows recommenders to be configured and evaluated in this demo
کد:2-10778
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com