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...

Full description

Bibliographic Details
Main Authors: محمدحسین زهدی, مهرداد مقصودی, حمیدرضا نورعلیزاده
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