سه شنبه, ۱۲ فروردین ۱۳۹۹
سرخط خبرها
خانه / تماس با ما

تماس با ما

می توانید از طریق ایمیل tahereh.moeini[at]gmail.com  با ما در ارتباط باشید.

آدرس: استان زنجان- شهر صائین قلعه- خیابان ۱۷ شهریور-پلاک۴۲- شماره تماس:۳۵۶۲۲۷۹۲-۰۲۴

کد پستی: ۴۵۷۴۱۱۹۱۴۳

در صورت داشتن هر گونه انتقاد و یا پیشنهاد، می توانید از طریق فرم زیر با ما در میان بگذارید.

نام شما (الزامی)

ایمیل شما (الزامی)

موضوع

پیام شما

۳۱ دیدگاه

  1. سلام
    شما می تونید در باره… فضای جانبی براساس شناخت شبکه های اجتماعی با استفاده از کد بندی خطی جانبی ….یه راهنمایی به بنده بکنید و بگید برای پایان نامه موضوع خوبی هست یا نه…
    یه سری اطلاعات کلی می خواستم..ایا براتون مقدور هست که یه راهنمایی بکنید من رو

  2. سلام خانم مهندس من هم پایانامه ارشدم در مورد سیستم های توصیه گر در شبکه های اجتماعیه خواستم بدونم پیاده سازی شما با جاوا بود؟

  3. خانم مهندس ایده ای در مورد یافتن کاربران متخصص برای توصیه به کاربران در شبکه های اجتماعی ندارید؟ موضوع پایانامه من اینه کمکم می کنید؟

    • طاهره معینی

      سلام
      خوب به نظرم شما می تونید مثل کار من خوشه بندی رو انجام بدهید و در هر خوشه افرادی که بیشترین ارتباط رو با بقیه دارند(در گراف درجه شون بیشتر هست) رو به عنوان افراد متخصص معرفی کنید البته امیدوارم منظورتون رو از کاربران متخصص درست فهمیده باشم

      • آفرین خانم مهندس معینی منم ایده شمارو دارم اما می خوام یه کاری کنم که فرد متخصص نه تنها دارای بیشترین ارتباط با دیگران باشه بلکه دارای دانش در اون خوشه باشه الان مشکل من بدست آوردن دانشه ممنونم از راهنمایی های خوبتون .

  4. سلام خانم مهندس معینی ببخشید من دیتا ست Epinion رو برای پایانامه خودم انتخاب کردم اما الان سایت Epinion.com اجازه ثبت نام به کاربرا رو نمیده به نظرتون این مشکلی برای پیاده سازی پایانامه ایجاد نمی کنه چون دیتا ست از سال ۲۰۱۴ اجازه ثبت نام رو نمیده!!

    سوال بعدی من اینه که من خوندم که در این سایت کاربرا میتونن به نظرات کاربرای دیگه امتیاز بدن اما من این امتیاز رو مشاهده نمی کنم خانم مهندس ممنون می شم کمکم کنید متشکرم از لطف بزرگتون.

    • طاهره معینی

      سلام
      من خیلی وقت بود که به این سایت مراجعه نکرده بودم. بله مثل اینکه آخرین اطلاعات برای سال۲۰۱۴ هست . ولی من مجموعه داده رو از سایت trustlet.org دانلود کرده بودم و نه از سایت epinion
      پیشنهادم اینه که اول به سایتtrustlet مراجعه کنید و از آنجا دانلود کنید در ضمن فکر نمی کنم سال جمع آوریا طلاعات زیاد مهم باشد چون به هر حال ما به دنبال یک مجموعه داده هستیم که ویژگی های یک شبکه اجتماعی رو داشته باشد.
      در رابطه با سوال دوم تون باید بگم که بله من دقیقا یادمه که حتی می تونستیم کارببرهایی که نظراتشون خوب نبودند روتو بلک لیست اضافه کنیم ولی الان تو سایت چنین چیزهایی رو نمی بینم.

  5. سلام متشکرم از راهنمایی های خوبتون حالا به نظر شما با توجه به موضوع من که می خوام کاربر متخصص رو شناسایی وتوسط اونا به کاربرای دیگه پیشنهاد بدم ، وبه امتیاز های که کاربرا به نظرات دیگران میدن احتیاج دارم برای شناسایی کاربرای متخصص مشکلی نداره از همون دیتا ست قدیمی استفاده کنم.

    • طاهره معینی

      سلام
      اون مجموعه داده ای که من استفاده کرده بودم دو تا ماتریس داشت یک کاربر آیتم که می گفت هر کار به هر کالا چند ستاره داده و یکی هم ماتریس کاربر-کاربر بود که مثلا اگر بین یک کاربر با کاربر دیگه رابطه وجود داشت یعنی به نظرات هم اهمیت داده بودند عدد ۱ در ماتریس گذاشته می شد و باز هم به نظر من کاربر متخصص همون کاربریه که بیشترین ارتباط رو با بقیه داره یعنی درجه اش در گراف بیشترین هست چون به معنی این هست که افراد بیشتری نظرات او را قبول دارند و من فکر می کنم اگه روش درست باشه مجموعه داده قدیمی هم زیاد مهم نباشد فقط باید خواص شبکه اجتماعی رو داشته باشد که سه تا خاصیت بود.

      • ممنونم خانم مهندس معینی از راهنمایی های خوبتون، آرزوی توفیق رو از خداوند متعال براتون دارم. راستی مقاله شما رو دانلود کردم اونم کمک خوبی بهم کرد اینم وب سایت منه http://www.zarinyar.com قصد دارم مطالب و فیلم های آموزشی سیستم های توصیه گر مبتنی بر محتوا و فیلترینگ اشتراکی رو در این وب سایت قرار بدم خوشحال میشم اگر یه سر بهش بزنید.

  6. سلام خانم مهندس ببخشید دیتا ست epinion به چه صورتی امپورت میشه در متلب متشکرم.

  7. سلام مجدد ببخشید خانم مهندس لینک دانلود دیتا ست Epinions رو اینجا قرار می دید آخه نسخه های مختلفی داره من موندم کدوم رو استفاده کنم موضوع من یافتن کاربران متخصص توسط فیلترینگ مشارکتی هستش متشکرم.

  8. من خوندم که در این مجموع داده کاربرا می تونن به نظر سایر افراد امتیاز بدن اما الا هرچی دیتاست دیدم امتیاز نظربه نظر سایر افراد دراونا نیست!!!

  9. ممنونم خانم مهندس لطف لطف کردید ببخشیدشما الگوریتم های مرتبط با پایانامه ی خودتون رو پیاده سازی می کنید به صورت پروژه ای اگر پیاده سازی می کنید کسانی هستند به من مراجعه می کنن تابهشون خبر بدم لطف می کنید اگر اطلاع رسانی کنید.

    • طاهره معینی

      سلام
      برخی افراد به خود من هم مراجعه می کنند ولی من معتقدم که افرادی که پایان نامه کار می کنند باید خودشون کارهای پیاده سازی پایان نامه شون رو انجام بدهند تا واقعا در اون زمینه صاحب نظر باشند

  10. با سلام وعرض ادب خدمت خانم مهندس معینی ببخشید من برای پیاده سازی پایانامه خودم چند تا سوال داشتم ممنون میشم اگر کمکم کنید چون کمتر کسی توی زمینه سیستم های توصیه گر وخوشه بندی کار کرده اولین سوالم اینه خانم مهندس فرمول پیش بینی در سیستم های توصیه گر رو در خوشه بندی کد زیر خواستم به جای میانگین بگذارم ممنون.

    clc;
    clear;
    close all;
    %% load Data , Init
    load(‘RatingMatrix.mat’);
    load(‘Test.mat’);
    output = zeros(size(Test,1),1);
    NumberUser = 943;
    ClusterNumber = 3;
    %% main Script
    IDX = kmeans(RatingMatrix,ClusterNumber);

    for i=1:size(Test,1)
    USERID = Test(i,1);
    ITEMID = Test(i,2);
    UserCluster = IDX(USERID);کاربرا ردر کدام گروه قرار درارند
    SimilarUser = (IDX==UserCluster);کاربرای مشابه کاربر فعال را میدهد
    Rated = [];
    for Counter=1:NumberUser
    if SimilarUser(Counter)==0 اگر مساوی صفر بود همسایه مشابه نیست
    continue;شمارنده فورروبرو به ابتدا ببین که عضوهمسایه هست یانه
    end
    NeighborRating = RatingMatrix(Counter,ITEMID);امتیاز کاربران مشابه که با کانتر مشخص شدن چیه
    if NeighborRating ~= 0
    Rated = [Rated NeighborRating];امتیاز کاربران همسایه را میریزیم داخل
    end
    end
    %%Prediction = mean(Rated);

    Prediction = ; ؟؟؟؟ ??خانم مهندس فرمول پیش بینی امتیازسیستم های توصیه گر کاربرا رو به جای میانگین خواستم بسازم ممنونم

    • طاهره معینی

      سلام
      فکر می کنم کد شما این طوریه که افراد رو اول خوشه بندی کردید بعد در صورتی که در یک خوشه باشند آنها را مشابه در نظر گرفتید و در غیر این صورت غیر مشابه.
      روش من این طوری بود که خوشه بندی رو انجام دادم ولی برای محاسبه شباهت فقط افراد داخل همون خوشه رو در نظر گرفتم و برای محاسبه پیش بینی هم چندین معیار پیشنهاد دادم که یکیش بر اساس محاسبه اعتماد بود شما هم باید به مجموعه داده تون نگاه کنید و یک معیار در نظر بگیرید.

      • سلام
        پیش بینی براساس اعتماد؟ ببخشید میشه یه تیکه کدی برای راهنمایی در اختیارم بگذارید ممنونم میشم خانم مهندس.
        خانم مهندس اون کد الگوریتم خوشه بندی طیفی در متلب در سایتتون کد کامل سیستم های پیشنهاد دهنده به همراه پیش بینی و لود کردن دیتا سته یافقط کد الگوریتم خوشه بندی طیفیه؟ ممنون

  11. خانم مهندس ممنون میشم اگر با user name تلگرام پاسخ منو بدید آخه یه سوال دیگه داشتم اونم در موردکده که فرستادنش راست به چپ میشه متشکرم لطف کردید. @mohammadsamz

  12. سلام و خسته نباشید. ببخشید سرکار عالی می توانید در زمینه طراحی و ایجاد سیستم توصیه گر با ما همکاری نمایید و مشاور فنی ما باشید؟ سپاس.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *