ارائه مدلی مبتنی بر رفتار کاربران جهت پیشنهاددهی فیلم با بهرهگیری از تحلیل شبکههای اجتماعی (مورد مطالعه: سینما مارکت)
هدف: با توجه به افزایش سهم مصرف و تماشای ویدئو در سبد مصرفی خانوادههای ایرانی، سامانههای متعددی جهت تسهیل دسترسی مردم به این ویدئوها راهاندازی و توسعه داده شده است. یکی از مهمترین انواع این سامانهها، سامانههای ویدئوی درخواستی میباشند که در سالهای اخیر، روند رشد بیسابقهای را در زم...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | fas |
Published: |
University of Qom
2022-03-01
|
Series: | علوم و فنون مدیریت اطلاعات |
Subjects: | |
Online Access: | https://stim.qom.ac.ir/article_2150_6ee145bfb10496ff57be99fe8dcb93a7.pdf |
_version_ | 1797945616516513792 |
---|---|
author | محمدحسین زهدی مهرداد مقصودی حمیدرضا نورعلیزاده |
author_facet | محمدحسین زهدی مهرداد مقصودی حمیدرضا نورعلیزاده |
author_sort | محمدحسین زهدی |
collection | DOAJ |
description | هدف: با توجه به افزایش سهم مصرف و تماشای ویدئو در سبد مصرفی خانوادههای ایرانی، سامانههای متعددی جهت تسهیل دسترسی مردم به این ویدئوها راهاندازی و توسعه داده شده است. یکی از مهمترین انواع این سامانهها، سامانههای ویدئوی درخواستی میباشند که در سالهای اخیر، روند رشد بیسابقهای را در زمینه جذب مخاطب طی کردهاند. به همان اندازه که تعدد محتوا در این سامانهها موجب تنوع و رضایت کاربران میشود، این تعدد میتواند موجب سردرگمی بیشتر برای یافتن محتواهای مورد علاقه کاربران شود. هدف این پژوهش ارائه روش کارآمد پیشنهاددهی فیلم بر مبنای دادههای مشاهده کاربران در سامانه ویدئوی درخواستی است.
روش: در این پژوهش یک الگوریتم جدید پیشنهاددهی مبتنی بر سلایق کاربر و دادههای تماشای فیلم کاربران در سامانه ویدئوهای درخواستی ارائه میگردد. این لگوریتم مبتنی بر مفاهیم و شاخصهای تحلیل شبکه اجتماعی بوده و براساس دادههای تماشای فیلم کاربران، به شناسایی و پیشنهاددهی فیلمهای مورد علاقه کاربران میپردازد.
نتایج: عملکرد الگوریتم پیشنهادی این پژوهش بر روی دادههای 50، 100 و 200 کاربر سایت سینما مارکت ارزیابی شده که نتایج آن، نشاندهنده عملکرد بهتر الگوریتم پیشنهادی این پژوهش در مقایسه با الگوریتمهای Naive bayes، k-nearest neighbors و ID3 است.
نتیجهگیری: سیستمهای پیشنهاددهنده با در اختیار داشتن اطلاعات فراوان و متعددی از کاربران و سوابق رفتاری آنان به پیشنهاد محتوا میپردازند. الگوریتم پیشنهادی این پژوهش قادر است با حداقل اطلاعات ممکن یعنی اطلاعات مربوط به مشاهدات کاربران با عملکرد مطلوب و قابل قبولی وظیفه پیشنهاد محتوای مطلوب کاربران را انجام دهد. |
first_indexed | 2024-04-10T20:57:58Z |
format | Article |
id | doaj.art-950d24948a7744e2896d12e324827cb2 |
institution | Directory Open Access Journal |
issn | 2476-6658 2476-6534 |
language | fas |
last_indexed | 2024-04-10T20:57:58Z |
publishDate | 2022-03-01 |
publisher | University of Qom |
record_format | Article |
series | علوم و فنون مدیریت اطلاعات |
spelling | doaj.art-950d24948a7744e2896d12e324827cb22023-01-22T18:57:37ZfasUniversity of Qomعلوم و فنون مدیریت اطلاعات2476-66582476-65342022-03-018145148410.22091/stim.2021.6720.15572150ارائه مدلی مبتنی بر رفتار کاربران جهت پیشنهاددهی فیلم با بهرهگیری از تحلیل شبکههای اجتماعی (مورد مطالعه: سینما مارکت)محمدحسین زهدی0مهرداد مقصودی1حمیدرضا نورعلیزاده2کارشناسی ارشد، دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت، تهران، ایراندانشجوی دکتری، رشته مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایراناستادیار، گروه مدیریت و مهندسی کسب و کار، دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت، تهران، ایران.هدف: با توجه به افزایش سهم مصرف و تماشای ویدئو در سبد مصرفی خانوادههای ایرانی، سامانههای متعددی جهت تسهیل دسترسی مردم به این ویدئوها راهاندازی و توسعه داده شده است. یکی از مهمترین انواع این سامانهها، سامانههای ویدئوی درخواستی میباشند که در سالهای اخیر، روند رشد بیسابقهای را در زمینه جذب مخاطب طی کردهاند. به همان اندازه که تعدد محتوا در این سامانهها موجب تنوع و رضایت کاربران میشود، این تعدد میتواند موجب سردرگمی بیشتر برای یافتن محتواهای مورد علاقه کاربران شود. هدف این پژوهش ارائه روش کارآمد پیشنهاددهی فیلم بر مبنای دادههای مشاهده کاربران در سامانه ویدئوی درخواستی است. روش: در این پژوهش یک الگوریتم جدید پیشنهاددهی مبتنی بر سلایق کاربر و دادههای تماشای فیلم کاربران در سامانه ویدئوهای درخواستی ارائه میگردد. این لگوریتم مبتنی بر مفاهیم و شاخصهای تحلیل شبکه اجتماعی بوده و براساس دادههای تماشای فیلم کاربران، به شناسایی و پیشنهاددهی فیلمهای مورد علاقه کاربران میپردازد. نتایج: عملکرد الگوریتم پیشنهادی این پژوهش بر روی دادههای 50، 100 و 200 کاربر سایت سینما مارکت ارزیابی شده که نتایج آن، نشاندهنده عملکرد بهتر الگوریتم پیشنهادی این پژوهش در مقایسه با الگوریتمهای Naive bayes، k-nearest neighbors و ID3 است. نتیجهگیری: سیستمهای پیشنهاددهنده با در اختیار داشتن اطلاعات فراوان و متعددی از کاربران و سوابق رفتاری آنان به پیشنهاد محتوا میپردازند. الگوریتم پیشنهادی این پژوهش قادر است با حداقل اطلاعات ممکن یعنی اطلاعات مربوط به مشاهدات کاربران با عملکرد مطلوب و قابل قبولی وظیفه پیشنهاد محتوای مطلوب کاربران را انجام دهد.https://stim.qom.ac.ir/article_2150_6ee145bfb10496ff57be99fe8dcb93a7.pdfسامانه ویدئوی درخواستیسیستمهای پیشنهاددهندهدادهکاویتحلیل شبکههای اجتماعیسینما مارکتفیلم |
spellingShingle | محمدحسین زهدی مهرداد مقصودی حمیدرضا نورعلیزاده ارائه مدلی مبتنی بر رفتار کاربران جهت پیشنهاددهی فیلم با بهرهگیری از تحلیل شبکههای اجتماعی (مورد مطالعه: سینما مارکت) علوم و فنون مدیریت اطلاعات سامانه ویدئوی درخواستی سیستمهای پیشنهاددهنده دادهکاوی تحلیل شبکههای اجتماعی سینما مارکت فیلم |
title | ارائه مدلی مبتنی بر رفتار کاربران جهت پیشنهاددهی فیلم با بهرهگیری از تحلیل شبکههای اجتماعی (مورد مطالعه: سینما مارکت) |
title_full | ارائه مدلی مبتنی بر رفتار کاربران جهت پیشنهاددهی فیلم با بهرهگیری از تحلیل شبکههای اجتماعی (مورد مطالعه: سینما مارکت) |
title_fullStr | ارائه مدلی مبتنی بر رفتار کاربران جهت پیشنهاددهی فیلم با بهرهگیری از تحلیل شبکههای اجتماعی (مورد مطالعه: سینما مارکت) |
title_full_unstemmed | ارائه مدلی مبتنی بر رفتار کاربران جهت پیشنهاددهی فیلم با بهرهگیری از تحلیل شبکههای اجتماعی (مورد مطالعه: سینما مارکت) |
title_short | ارائه مدلی مبتنی بر رفتار کاربران جهت پیشنهاددهی فیلم با بهرهگیری از تحلیل شبکههای اجتماعی (مورد مطالعه: سینما مارکت) |
title_sort | ارائه مدلی مبتنی بر رفتار کاربران جهت پیشنهاددهی فیلم با بهرهگیری از تحلیل شبکههای اجتماعی مورد مطالعه سینما مارکت |
topic | سامانه ویدئوی درخواستی سیستمهای پیشنهاددهنده دادهکاوی تحلیل شبکههای اجتماعی سینما مارکت فیلم |
url | https://stim.qom.ac.ir/article_2150_6ee145bfb10496ff57be99fe8dcb93a7.pdf |
work_keys_str_mv | AT mḥmdḥsynzhdy ạrạỷhmdlymbtnybrrftạrḵạrbrạnjhtpysẖnhạddhyfylmbạbhrhgyryạztḥlylsẖbḵhhạyạjtmạʿymwrdmṭạlʿhsynmạmạrḵt AT mhrdạdmqṣwdy ạrạỷhmdlymbtnybrrftạrḵạrbrạnjhtpysẖnhạddhyfylmbạbhrhgyryạztḥlylsẖbḵhhạyạjtmạʿymwrdmṭạlʿhsynmạmạrḵt AT ḥmydrḍạnwrʿlyzạdh ạrạỷhmdlymbtnybrrftạrḵạrbrạnjhtpysẖnhạddhyfylmbạbhrhgyryạztḥlylsẖbḵhhạyạjtmạʿymwrdmṭạlʿhsynmạmạrḵt |