لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

فراوانی حجم داده ها در اینترنت، برای کاربران مسایلی را به وجود آورده است و باعث سردرگمی برای یافتن اطلاعات مورد نیاز آنها شده است. همچنین سلیقه و اولویت کاربران با گذشت زمان تغییر می کند. سیستم های پیشنهاددهنده می توانند در یافتن اطلاعات مفید به کاربران کمک کنند. با توجه به تغییرات علایق، سیستم ها باید بتوانند تکامل پیدا کنند. جهت تکامل، کاربران خوشه بندی می شوند و برای تعیین کاربران هم خوشه، به امتیازاتی که کاربر به آیتم ها داده است، توجه می نماید. پارامتر زمان در روش پیشنهادی الگوریتم ژنتیک-تبرید تدرجی (SAGA) این مقاله مورد توجه قرار گرفته است که بتواند اولویت بندی کاربر را بر اساس زمان بهبود دهد. در روش پیشنهادی، با استفاده از الگوریتم تکاملی ممتیک، خوشه ها در طول زمان بهبود می یابند، و بر اساس خوشه بندی انجام شده، پیشنهادات مناسبی را به کاربر ارایه می دهد. همچنین این سیستم، با استفاده از ویژگی های آیتم برای مساله ی آیتم شروع سرد، و اطلاعات دموگرافیک کاربر برای مساله ی کاربر شروع سرد، خوشه بندی تکاملی بهینه را انجام می دهد. روش پیشنهادی با استفاده از مجموعه داده Movielens ارزیابی شده است و نتایج تجربی نشان می دهد که روش پیشنهادی SAGA با صحت 0/89، عملکرد بهتری در صحت پیش بینی و پیشنهادات به کاربران نسبت به روش های موجود دارد.

فراوانی حجم داده ها در اینترنت، برای کاربران مسایلی را به وجود آورده است و باعث سردرگمی برای یافتن اطلاعات مورد نیاز آنها شده است. همچنین سلیقه و اولویت کاربران با گذشت زمان تغییر می کند. سیستم های پیشنهاددهنده می توانند در یافتن اطلاعات مفید به کاربران کمک کنند. با توجه به تغییرات علایق، سیستم ها باید بتوانند تکامل پیدا کنند. جهت تکامل، کاربران خوشه بندی می شوند و برای تعیین کاربران هم خوشه، به امتیازاتی که کاربر به آیتم ها داده است، توجه می نماید. پارامتر زمان در روش پیشنهادی الگوریتم ژنتیک-تبرید تدرجی (SAGA) این مقاله مورد توجه قرار گرفته است که بتواند اولویت بندی کاربر را بر اساس زمان بهبود دهد. در روش پیشنهادی، با استفاده از الگوریتم تکاملی ممتیک، خوشه ها در طول زمان بهبود می یابند، و بر اساس خوشه بندی انجام شده، پیشنهادات مناسبی را به کاربر ارایه می دهد. همچنین این سیستم، با استفاده از ویژگی های آیتم برای مساله ی آیتم شروع سرد، و اطلاعات دموگرافیک کاربر برای مساله ی کاربر شروع سرد، خوشه بندی تکاملی بهینه را انجام می دهد. روش پیشنهادی با استفاده از مجموعه داده Movielens ارزیابی شده است و نتایج تجربی نشان می دهد که روش پیشنهادی SAGA با صحت 0/89، عملکرد بهتری در صحت پیش بینی و پیشنهادات به کاربران نسبت به روش های موجود دارد.

استخراج کلیدواژه یکی از مهمترین قدم های فرآیند نمایه سازی مستندات است. کلیدواژه ها توصیفگرهای مفهومی هستند که می توانند در جستجو و بازیابی اطلاعات و نیز اشاعه آنها بکارگرفته شوند. در پایگاه های دربردارنده اسناد علمی مانند پایگاه علمی گنج پژوهشگاه علوم و فناوری اطلاعات ایران، کلیدواژه ها نقش مهمتری دارند و تخصیص کلیدواژه های تخصصی چالش برانگیزتر است چرا که این پایگاه ها دربرگیرنده اسناد تخصصی با حوزه های علمی مختلفی هستند. فرآیند نمایه-سازی دستی بسیار زمان بر است و با توجه به افزایش حجم تولید و ثبت مستندات علمی، نیاز است که این فرایند با سرعت بیشتری صورت گیرد. لذا استفاده از روش های ماشینی هوشمند برای پیشنهاد و تخصیص کلیدواژه ضروری است. تحلیل آماری و معنایی اسناد و استفاده از روش های یادگیری ماشین از جمله روش های پرکاربرد در بسیاری از پایگاه های اطلاعات علمی دنیا است. بر همین اساس، در این پژوهش روشی برای پیشنهاد کلیدواژه به مستندات علمی فارسی بر مبنای روش های هوشمند پردازش متن و یادگیری ماشین ارائه شده است. این روش بر مبنای سیستم های پیشنهاددهنده و استدلال نمونه محور است که براساس آن، مجموعه ای از کلیدواژه های مرتبط با یک سند به نمایه ساز پیشنهاد می شود تا او سریعتر بتواند کلیدواژه های مناسب را انتخاب کند. به بیانی دیگر، ابتدا اسناد مشابه با سند جدید براساس روش های TFIDFو روش های بازنمایی کلمه-به-بردار، بازیابی شده و سپس کلیدواژه های کاندید از بین اسناد مشابه براساس یک تابع رتبه بندی انتخاب می شوند. روش پیشنهادی بر مجموعه ای از اسناد پایگاه گنج در سه حوزه فنی و مهندسی، هنر و ادبیات، و علوم انسانی، پیاده سازی و نتایج آن با معیارهایی نظیر دقت، فراخوانی و نظرات متخصصین ارزیابی شده است.

امروزه صنعت گردشگری پزشکی نوع خاصی از گردشگری است و یکی از صنایع مهم جهان و از درآمدزاترین صنعت ها به شمار می رود. رشد فناوری های اطلاعاتی و ارتباطی، طی چند دهه گذشته در رشد این صنعت بی تاثیر نبوده و زمینه ساز رشد گردشگری در بستر الکترونیکی را فراهم کرده است. باتوجه به این جایگاه، ضروری است با طراحی الگوی سیستم پیشنهاددهنده برای بازاریابی الکترونیکی گردشگری به شکل یک موضوع مهم در کشور تبیین و راهکارها و سازوکارهای ارتقا و توانمندسازی این صنعت ازطریق رویکرد فناوری اطلاعات تقویت شود. این پژوهش با هدف طراحی الگوی سیستم پیشنهاددهنده برای بازاریابی الکترونیکی گردشگری در ایران انجام شده است. پژوهش ازلحاظ هدف، کاربردی و توسعه ای و جزو پژوهش های آمیخته است. جامعه آماری در بخش کیفی مدیران بیمارستان و خبرگان حوزه گردشگری پزشکی است که به روش گلوله برفی انتخاب شدند و با آنها مصاحبه انجام گرفت. نتایج بخش کیفی نشان می دهد الگوی گردشگری پزشکی دارای پنج بعد، شامل عوامل مرتبط با خدمات پزشکی، عوامل مرتبط با ویژگی های فردی، عوامل مرتبط با اطلاع رسانی اینترنتی، عوامل مرتبط با جاذبه های جنبی گردشگری و عوامل مرتبط با تسهیلات سفر است. در بخش کمی پرسشنامه ای براساس الگوی بخش کیفی تهیه شد و در بین بیماران مراجعه کننده برای مداوا و استفاده از خدمات درمانی به شهرهای شیراز و تهران توزیع شد. برای بررسی روایی از روش روایی محتوا و تشخیصی و برای پایایی از آلفای کرونباخ و پایایی ترکیبی استفاده شد. نتایج بخش کمی تاییدکننده مدل طراحی شده در بخش کیفی است. باتوجه به یافته های پژوهش پیشنهاد می شود الگوی به دست آمده از این پژوهش به وسیله سیستم پیشنهاددهنده پیاده سازی و بهره برداری شود که طبق مختصات و ویژگی های پژوهش استفاده از متدلوژی هیبرید مناسب ترین روش برای پیاده سازی الگوی پژوهش است.

یکی از اهداف اصلی فروشگاه های اینترنتی، خلق تجربه عالی برای کاربر است که این امر عملا امکان خلق یک مزیت رقابتی پایدار را برای این فروشگاه ها فراهم می کند. همچنین، تجربه کاربر یکی از منابع اطلاعاتی ارزشمند و نوین جهت طراحی سیستم های پیشنهاددهنده است. حال با توجه به دنیای رقابتی تجارت و شباهت زیاد کالاها و خدمات و با در نظر گرفتن نقش حایز اهمیت تجربه کاربر و در واقع ایجاد برداشت مثبت در ذهن کاربر، این پژوهش با هدف تعیین پیش زمینه ها و پیامدهای تجربه کاربر از سیستم های پیشنهاددهنده در محیط های آنلاین انجام شده است. روش شناسی پژوهش حاضر ترکیبی است. در بخش کیفی، به منظور انجام مصاحبه های نیمه ساختاریافته 20 نفر از خبرگان به روش نمونه گیری هدفمند قضاوتی انتخاب شدند. سپس بر اساس تحلیل محتوای داده های بخش کیفی، مدل اولیه پژوهش ارایه شد. در بخش کمی پژوهش، جامعه آماری این پژوهش شامل کلیه کاربران و مشتریان فروشگاه اینترنتی دیجی کالا بوده اند که در فروردین و اردیبهشت ماه 1398 از خدمات آن استفاده کرده اند. به این منظور، تعداد 384 نمونه به روش نمونه گیری در دسترس انتخاب شد. برای تجزیه وتحلیل داده ها در بخش کمی از نرم افزار لیزرل استفاده شده و فرضیه ها مورد تایید واقع شد. نتایج پژوهش حاکی از وجود پنج دسته عوامل اصلی پیش زمینه شامل تجربه تاثیر ادراک شده، تجربه سهولت ادراک شده، تجربه کیفیت ادراک شده، تجربه پشتیبانی ادراک شده و تجربه ظاهری ادراک شده است. نگرش ادراک شده، ارزش ادراک شده، اعتماد ادراک شده و رضایت ادراک شده نیز به عنوان پیامدهای تجربه کاربر از سیستم پیشنهاددهنده در محیط های آنلاین احصاء شد.