پروژه بهبود صحت سیستمهای توصیهگر با استفاده از یادگیری ترکیبی در زمینه هوش مصنوعی
این فایل دارای توضیحات کامل + به همراه کد های مربوطه + آموزش های مربوطه می باشد
تعداد صفحات: 60
فرمت: PDF - cod - Matlab
با رشد روز افزون اینترنت و شبکه های رایانه ای، جامعه دستخوش دگرگونی هایی در تمامی زمینه ها شده است . خریدهای خود را به صورت برخط 1 انجام میدهیم، اطلاعات مورد نیاف را اف طریق موتورهای جستجو جمع آوری میکنیم، و بخش قابل توجهی از زندگی اجتماعی ما به اینترنت و شبکه های اجتماعی وابسته است. از طرفی با توجه به حجم بسیار زیاد اطلاعات، فرایند تصمیم گیری، انتخاب اطلاعات یا پیدا کردن کالای مورد نظر برای کاربران دشوار شده است و نیاز به سیستم هایی داریم تا بتوانند مناسب ترین خدمات و محصولات را به کاربر توصیه کنند، سیستم هایی که این وظیفه را انجام می دهند سیستم های توصیه گر نامیده میشوند. سیستم های توصیهگر پیش نهادگر با تحلیل رفتار کاربران و جمع آوری اطلاعات آنان ، توصیه هایی متناسب با نیاز کاربران پیشنهاد میدهند. یکی از الگوریتم های به کار رفته در این سیستم ها ،روش پالایش مشارکتی می باشد . مهمترین بخش الگوریتم پالایش مشارکتی به تعیین شباهت بین کاربران اختصاص دارد . در تمامی روش های تعیین شباهت از یک مجموعه همسایگی برای انجام پیشنهاد استفاده میشود . اما به دلیل خلوت بودن ماتریس امتیازات و مشکل شروع سرد2 ممکن است در کاربران همسایه ی کاربر فعال، هیچ وردی به آیتم مورد نظر امتیاز نداده باشد . در این پژوهش در صورت یافت نشدن امتیاز به آیتم مورد نظر در میان همسایگان، امتیاز داده شده به آیتم مورد نظر را به صورت یک سری زمانی درآورده و با استفاده از این سری عمل پیشبینی را انجام میدهیم. به منظور بهبود نتایج پیشبینی، از یادگیری ترکیبی مبتنی بر انفیس3 سیستم عصبی فازی تطبیقی ا ستفاده میکنیم. همچنین ضریب همبستگی پیرسون 4 برای تعیین شباهت در یافتن مجموعه همسایگی بهینه ، بهبود می یابد. آزمایشات بر روی مجموع هداده MovieLens انجام گرفته است.
فهرست مطالب
1 فصل 1: مقدمه
1-1-مقدمه2
1-2-بیان مسئله 3
1-3-اهمیت پژوهش 6
1-4-اهداف پژوهش 6
فصل 2
مبانی تئوری 8
2-1- مقدمه9
2-2- تاریخچه سیستمهای پیشنهادگر 9
2-3- مدل سیستمهای پیشنهادگر 10
2-3-1- پالایش محتوا محور 10
2-3-2- پالایش مشارکتی 12
2-3-3- روشهای ترکیبی 13
2-4- معروی انواع معیارهای شباهت مرسوم 14
2-4-1- ضریب همبستگی پیرسون 14
2-4-2- معیار شباهت کسینوسی 15
2-5- معروی انواع توابع پیش بینی 16
2-6- سیستمهای فازی 17
2-7- سیستم عصبی فازی تطبیقی انفیس- anfis
2-8- یادگیری ترکیبی 20
فصل 3
مروری بر کارهای گذشته 21
3-1- مقدمه22
3-2- فمان در سیستمهای پیشنهادگر 22
3-3- معیار شباهت در سیستمهای پیشنهادگر 23
3-4- کارهای مربوط به سیستم عصبی فازی تطبیقی 28
فصل 4
معرفی روش پیشنهادی 29
4-1- مقدمه30
4-2- معروی رو پیشنهادی 31
4-3- جریان کاری رو پیشنهادی 34
فصل 5
نتایج ارزیابی 35
5-1- مقدمه36
5-2- مجموعه داده 36
5-3- معیارهای ارفیابی 37
5-3-1- میانگین قدرمطلق خطا 37
5-3-2- درصد صحیح موارد پیشبینی شده 37
5-4- نتایج تجربی 38
فصل 6
نتیجه گیری و پیشنهادات 44
6-1- نتیجه گیری 45
6-2- کارهای آینده
مبلغ قابل پرداخت 20,000 تومان
برچسب های مهم