دوره 11، شماره 4 - ( 1400 )                   جلد 11 شماره 4 صفحات 92-75 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

abbasi F, khadivar A. Comparing the effect of sentiment analysis and user ratings on the performance of recommender systems. ORMR. 2022; 11 (4) :75-92
URL: http://ormr.modares.ac.ir/article-28-47082-fa.html
عباسی فاطمه، خدیور آمنه. مقایسه تأثیر تحلیل احساسات و رتبه‌بندی کاربران بر عملکرد سیستم‌های پیشنهاد‌دهنده. پژوهش های مدیریت منابع سازمانی. 1400; 11 (4) :92-75

URL: http://ormr.modares.ac.ir/article-28-47082-fa.html


1- استادیار، مدیریت فناوری اطلاعات، گروه مدیریت فناوری اطلاعات، دانشکده فناوری اطلاعات، موسسه آموزش عالی مهر البرز، تهران، ایران.
2- دانشیار، مدیریت فناوری اطلاعات، گروه مدیریت، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران. ، a_khadivar@yahoo.com
چکیده:   (258 مشاهده)
در سال­های گذشته، ظهور شبکه­های اجتماعی منجر به افزایش توجه به سمت سیستم­های پیشنهاد‌دهنده مبتنی بر نظرها شده است. هدف از توسعه چنین سیستم­هایی استفاده از اطلاعات ارزشمند نظرهای متنی کاربران در فرایند الگو­سازی و ارائه پیشنهاد است. در محیط شبکه­های اجتماعی به‌طور معمول سیستم­های پیشنهاددهنده­ مبتنی بر پالایه نمودن مشارکتی برای ارائه توصیه به کاربران استفاده می­شود. اساس کار این رویکرد، تجربه و نظر سایر افراد برای خرید اقلام و محصولات است. در این پژوهش سیستمی برای ارائه توصیه به کابران برای خرید کتاب با ترکیب فیلتریگ مشارکتی و تحلیل احساسات ارائه شد. برای تحلیل احساسات از الگو­های ترکیبی برای استخراج عقاید نظرهای کاربران استفاده شد. در رویکرد ترکیبی از رأی‌گیری مبتنی بر وزن­ جهت الگو­سازی استفاده گردیده است. الگو پیاده‌سازی‌شده بر نظرهای 7210 کاربر و خریدار کتاب تارنمای آمازون که از راه  خزنده وب از تارنما آمازون استخراج شده‌اند، ارزیابی شده است. برای ارائه توصیه به کاربران پس از تشکیل پروفایل اقلام، شباهت میان اقلام استخراج می­شود و در انتها اقلام مشابه با محصولاتی که هر کاربر به آن نمره خوبی داده است، به‌عنوان محصول پیشنهادی ارائه می­شود. نتایج نشان می­دهند تحلیل احساسات نظر کاربران بر پیشنهاد کالاهای مورد‌علاقه کاربر و عملکرد سیستم­های پیشنهاددهنده تأثیر مثبتی دارد.
متن کامل [PDF 340 kb]   (64 دریافت)    
نوع مقاله: پژوهشي اصيل | موضوع مقاله: استراتژی و مدیریت
دریافت: 1399/8/4 | پذیرش: 1400/4/12 | انتشار: 1400/12/10

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

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.