چکیده

محتوای تولیدشده توسط کاربر با توسعه شبکه‌های اجتماعی آنلاین با سرعت چشمگیری ایجاد و مصرف می‌شود. مسئله جستجو کابر پسند یک چالش مهم است و نیاز به یک سیستم پیش‌بینی لینک‌های امضا شده است تا در شبکه اجتماعی آنلاین به آن پرداخته شود. از این رو در این پژوهش یک چهارچوب یادگیری انتقالی جدید ارائه می‌شود که با ترکیب طبقه‌بند فازی بهبود یافته و الگوریتم ژنتیک به درستی طراحی شده است. روش ارائه شده دارای دو فاز است که فاز اول عملکرد انتخاب ویژگی­های موثر توسط الگوریتم ژنتیک بوده و در گام بعد ویژگی‌های انتخاب شده در یک طبقه‌بند قرار گرفته و به انتخاب بهترین پاسخ برای جستجو می‌پردازد که برای این عمل از سیستم فازی استفاده شده­است. در شبیه‌سازی تعداد تکرار الگوریتم ژنتیک سی در نظر گرفته شده است و در بخش آخر، روش ارایه شده با سایر روش‌های طبقه‌بندی در کارهای همسان از نظر معیارهای مناسب، مورد مقایسه قرار گرفته است. به طوریکه معیار صحت روش پیشنهادی به نسبت سایر روش‌ها بهبود چشمگیری داشته و با نزدیکترین روش اختلاف 10 درصدی از خود نشان داده­است. در سایر معیارها مانند دقت و فراخوانی نیز روش پیشنهادی بهتر عمل کرده است.

کلیدواژه ها:

بهینه ­سازی

پاسخ به جستجو کاربر

انتخاب ویژگی

الگوریتم ژنتیک

سیستم فازی

نویسندگان:

صدیقه طاهری¹، لیدا ندرلو­^*2، زهرا طیبی قصبه³

¹دانشکده فنی و مهندسی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد فومن، فومن، ایران.

²دانشکده فنی و مهندسی، گروه کامپیوتر گرایش هوش مصنوعی­، موسسه آموزش عالی روزبه واحد زنجان، زنجان، ایران.

³مدرس، دانشکده مهندسی کامپیوتر، دانشگاه پیام­نور گیلان، رشت.

DOR:

دانلود فایل مقاله                    منابع                   XML