بازگشت به جستجو

توسعه سیستم توصیه‌کننده اقامت شخصی مبتنی بر جلسه با استفاده از LSTM

عنوان	توسعه سیستم توصیه‌کننده اقامت شخصی مبتنی بر جلسه با استفاده از LSTM
نویسنده	Can، Y. S.، Erkut، H.، Giritli، E. B.، Kutluay، H.، Buyukoguz، K.، Demiroğlu، Cenk
تاریخ انتشار:	2022
محل انتشار	- IEEE
موضوع	توصیه هتل، LSTM، سیستم های توصیه کننده مبتنی بر جلسه، گردشگری
نوع	سند
زبان	انگلیسی
دیجیتال	بله
نسخه خطی	خیر
کتابخانه:	دانشگاه اوزیغین
شناسه دارایی کتابخانه	978-166545092-8
شماره ثبت	dbd5afb8-8a15-4a33-af69-97f5e0bc859e
محل کتابخانه	مهندسی برق و الکترونیک
تاریخ	2022
متن نمونه	بخش گردشگری با پیشرفت فناوری اینترنت متحول شده است. کاربران می توانند اطلاعات را جستجو کنند و می توانند مقصد خود را از بین گزینه های مختلف به تنهایی انتخاب کنند، که نیاز به روش های توصیه کننده شخصی را به همراه دارد. توسعه سیستم توصیه‌گر شخصی یک موضوع پیچیده است. اطلاعات دموگرافیک، سری کلیک‌های کاربر و تعاملات و ویژگی‌های هتل برای ارائه مجموعه مناسب از هتل‌ها بررسی می‌شوند. از آنجایی که تعاملات کاربر، کلیک‌ها و تاریخچه هتل یک داده سری زمانی است، مدل‌های حافظه کوتاه‌مدت برای توصیه مجموعه‌ای از هتل‌ها از این داده‌ها مناسب هستند. در این مطالعه، ما یک سیستم توصیه‌کننده اقامت مبتنی بر جلسه را پیشنهاد کردیم که از LSTM استفاده می‌کند و به نتایج امیدوارکننده‌ای دست یافت.
DOI	10.1109/SIU55565.2022.9864733

مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات

دانشگاه اوزیغین

توسعه سیستم توصیه‌کننده اقامت شخصی مبتنی بر جلسه با استفاده از LSTM

نویسنده Can، Y. S.، Erkut، H.، Giritli، E. B.، Kutluay، H.، Buyukoguz، K.، Demiroğlu، Cenk

تاریخ انتشار 2022

محل انتشار - IEEE

موضوع توصیه هتل، LSTM، سیستم های توصیه کننده مبتنی بر جلسه، گردشگری

نوع سند

زبان انگلیسی

دیجیتال بله

نسخه خطی خیر

کتابخانه دانشگاه اوزیغین

شناسه دارایی کتابخانه 978-166545092-8

شماره ثبت dbd5afb8-8a15-4a33-af69-97f5e0bc859e

محل کتابخانه مهندسی برق و الکترونیک

تاریخ 2022

متن نمونه بخش گردشگری با پیشرفت فناوری اینترنت متحول شده است. کاربران می توانند اطلاعات را جستجو کنند و می توانند مقصد خود را از بین گزینه های مختلف به تنهایی انتخاب کنند، که نیاز به روش های توصیه کننده شخصی را به همراه دارد. توسعه سیستم توصیه‌گر شخصی یک موضوع پیچیده است. اطلاعات دموگرافیک، سری کلیک‌های کاربر و تعاملات و ویژگی‌های هتل برای ارائه مجموعه مناسب از هتل‌ها بررسی می‌شوند. از آنجایی که تعاملات کاربر، کلیک‌ها و تاریخچه هتل یک داده سری زمانی است، مدل‌های حافظه کوتاه‌مدت برای توصیه مجموعه‌ای از هتل‌ها از این داده‌ها مناسب هستند. در این مطالعه، ما یک سیستم توصیه‌کننده اقامت مبتنی بر جلسه را پیشنهاد کردیم که از LSTM استفاده می‌کند و به نتایج امیدوارکننده‌ای دست یافت.

DOI 10.1109/SIU55565.2022.9864733