- شریف پژوه
پیاده سازی مقاله: ارائه یک سیستم توصیه گر برای استخراج اطلاعات موردنیاز کاربران در زمینه املاک با استفاده از وب کاوی
چکیده:
با رشد تکنولوژی در عصر امروزی و اهمیت و صرفه جویی در وقت و هزینه،تجارت الکترونیکی یکی از ضرورت های تجاری محسوب می شود.رشد روز افزون بنگاه های تجاری گوناگون بر روی وب،باعث دشوار شدن انتخاب مشتریان گردیده است.با توجه به فضای رقابتی موجود در وب سایت های مختلف و فروشگا های تجاری موجود،لزوم استفاده از ابزاری که سبب جذب بیشتر مشتریان و رضایتمندی آنان گردد و نیز از سردرگمی آنان در میان حجم عظیم اطلاعات جلوگیری کرده و آنان را در دسترسی سریعتر به هدف،یاری نماید،بیش از پیش احساس می شود.یکی از ابزارهای موثر در تجارت الکترونیک،سیتم های توصیه گر می باشند.سیستم های هوشمندی که به ارائه ی پیشنهادات شخصی سازی شده به کاربران،سبب ترغیب آنان به خرید از وب سایت ها یا فروشگاه های آنلاین میشوند.به طور کلی سیستم های توصیه گر یا پیشنهاد دهنده سیتم هایی هستند که با یکسری از روش های داده کاوی و وبکاوی و خصوصیاتی مانند جستجوی کاربران در گذشته یا امتیازاتی که سایر کاربران به اقلام مورد بازدید در گذشته داده اند،می توانند پیشنهاد های مناسبی را به کاربران ارئه دهند.در این تحقیق به ارائه روشی جهت بهبود سیتم های توصیه گر درزمینه املاک پرداخته می شود که طی تحقیقات صورت گرفته این سیستم می تواند تا 90 درصد به درستی نیازهای کاربران در زمینه املاک را به درستی تخیص داده وپیشنهادات مناسبی را به کاربر ارائه دهد کی می تواند مورد علاقه وی باشند.
سفارش پروژه راهکارهای مبتنی بر یادگیری عمیق در سیستم های توصیه گر:
سیستم توصیهگر یا سامانه پیشنهادگر با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسبترین اقلام (داده، اطلاعات، کالا و…)مینماید. این سیستم رویکردی است که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارائه شدهاست و به کاربر خود کمک میکند تا در میان حجم عظیم اطلاعات سریعتر به هدف خود نزدیک شوند. برای مطالعه ی بیشتر کلیک کنید.
یادگیری عمیق، یک زیر شاخه از یادگیری ماشینی و بر مبنای مجموعهای از الگوریتمها است که در تلاش هستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیر خطی هستند، مدل میکنند. به بیان دیگر پایهٔ آن بر یادگیری نمایش دانش و ویژگیها در لایههای مدل است. برای مطالعه بیشتر کلیک کنید.
در این پروژه، با استفاده از محیط برنامه نویسی پایتون، راهکارهایی مبتنی بر روش یادگیر عمیق در سیستم های توصیه گر ارائه می شود.
سفارش پروژه آموزشی سیستم های توصیه گر (recommender systems) در محیط پایتون:
سیستم توصیهگر یا سامانه پیشنهادگر با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسبترین اقلام (داده، اطلاعات، کالا و…)مینماید. این سیستم رویکردی است که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارائه شدهاست و به کاربر خود کمک میکند تا در میان حجم عظیم اطلاعات سریعتر به هدف خود نزدیک شوند. برای مطالعه ی بیشتر کلیک کنید.
در این پروژه، با استفاده از محیط برنامه نویسی پایتون، فرآیند کامل پیاده سازی سیستم های توصیه گر آموزش داده می شود.
- هوش مصنوعی (۳۸۴)
- پروژه رپیدماینر(RapidMiner) (۲۶)
- پروژه وکا(Weka) (۲۰)
- پروژه نایم(Knime) (۲۰)
- پروژه پایتون(Python) (۶۴)
- پروژه R (۳۰)
- پروژه کلمنتاین(clementine) یا مدلر(IBM Spss Modeler) (۱۶)
- پروژه شبکه عصبی (۱۱۲)
- پروژه الگوریتم ژنتیک (۳۷)
- پروژه الگوریتم ممتیک (۲۳)
- پروژه الگوریتم جستجوی هارمونی (۳۰)
- پروژه تکامل تفاضلی (۳۲)
- پروژه بهینه سازی ازدحام ذرات (۳۴)
- پروژه الگوریتم کلونی زنبور عسل (۳۴)
- پروژه عقیده کاوی (۱۷)
- پروژه ماشین بردار پشتیبان (۱۴)
- مقالات (۶۲)
- پروژه الگوریتم رقابت استعماری (۱۶)
- پروژه الگوریتم درخت تصمیم (۳۹)
- پروژه سیستم ایمنی مصنوعی (۱۶)
- دریافت ویدیوهای آموزشی (۴۸)
- یادگیری عمیق(Deep Learning) (۱۴)
- پردازش تصویر (۱۰)
- پروژه الگوریتم بهینه سازی چندهدفه (NSGA-II) (۴)
- پروژه متلب(MATLAB) (۳۸)
- برنامه نویسی (۹۴)
- پروژه C شارپ (۶)
- پروژه C پلاس پلاس (۶)
- پروژه جاوا(JAVA) (۴)
- پروژه دلفی (Delphi) (۴)
- یادگیری انتقالی(Transfer Learning) (۱)
- سیستم توصیه گر (recommender system) (۴)
- شبکه کاوی(Social media mining) (۱)
- رایانش ابری (Cloud Computing) (۱۹)
- کلودسیم (CloudSim) (۱۸)
- پروژه الگوریتم فاخته (۸)
- پروژه الگوریتم خفاش (۲)
- دوره های آموزشی (۶)
- پروژه الگوریتم کرم شب تاب (۱)
- سیستم خبره (۳)
- پروژه های مشترک (۱۱)
- تدریس رایگان (۱)
-
مهدی کشاورز
سلام. امکانش هست فایل رو برای منم ارسال کنید. سپاسگزارم -
محمد
سلام لطفا کد الگوریتم NSGA-II برام بفرستین -
Sajad
سلام وقت بخیر میشه کد الگوریتم nsga-ll برام بفرستید -
Mansoureh Mirzaei
با سلام و عرض ادب میشه ... -
مجید
سلام و خسته ... -
Nader
باسلام و وقت بخیر ... -
پریسا
سلام چطور میتونم کد پایتون این پروژه رو داشته باشم؟ -
مجتبی
سلام لطفا کد ...
- بهینه سازی ساختار شبکه عصبی با الگوریتم جستجوی هارمونی برای داده کاوی سرطان
- بهینه سازی ساختار شبکه عصبی با الگوریتم کلونی زنبور عسل برای داده کاوی بیماری قلبی
- دریافت ویدیوی آموزشی معرفی سیستم های توصیه گر
- بهینه سازی ساختار شبکه عصبی با الگوریتم ژنتیک برای داده کاوی تشخیص تقلب در کارت های اعتباری
- بهینه سازی شبکه عصبی با الگوریتم کلونی زنبور عسل برای داده کاوی تشخیص تقلب در کارت های اعتباری
- سفارش پروژه پیش بینی نرخ جرم و جنایت با تلفیق روش های درخت تصمیم و الگوریتم تکامل تفاضلی
- پروژه بهبود فرآیند تشخیص نفوذ با تلفیق روش های درخت تصمیم و الگوریتم سیستم ایمنی مصنوعی
- بهینه سازی ماشین بردار پشتیبان با الگوریتم کلونی زنبور عسل برای داده کاوی تشخیص تقلب
- بهینه سازی ساختار شبکه عصبی با الگوریتم ممتیک برای داده کاوی سرطان
- پروژه تشخیص اسپم با استفاده از تلفیق شبکه ی عصبی و الگوریتم تکامل تفاضلی
- بهمن ۱۴۰۴ ( ۲ )
- دی ۱۴۰۴ ( ۸ )
- آذر ۱۴۰۴ ( ۱ )
- آبان ۱۴۰۴ ( ۵ )
- مهر ۱۴۰۴ ( ۲ )
- شهریور ۱۴۰۴ ( ۵ )
- مرداد ۱۴۰۴ ( ۲ )
- تیر ۱۴۰۴ ( ۳ )
- خرداد ۱۴۰۴ ( ۴ )
- ارديبهشت ۱۴۰۴ ( ۴ )
- اسفند ۱۴۰۳ ( ۴ )
- بهمن ۱۴۰۳ ( ۲ )
- دی ۱۴۰۳ ( ۴ )
- آذر ۱۴۰۳ ( ۴ )
- آبان ۱۴۰۳ ( ۲ )
- مهر ۱۴۰۳ ( ۴ )
- شهریور ۱۴۰۳ ( ۴ )
- مرداد ۱۴۰۳ ( ۴ )
- تیر ۱۴۰۳ ( ۳ )
- خرداد ۱۴۰۳ ( ۵ )
- ارديبهشت ۱۴۰۳ ( ۴ )
- فروردين ۱۴۰۳ ( ۴ )
- اسفند ۱۴۰۲ ( ۲ )
- بهمن ۱۴۰۲ ( ۲ )
- دی ۱۴۰۲ ( ۴ )
- آذر ۱۴۰۲ ( ۲ )
- آبان ۱۴۰۲ ( ۶ )
- مهر ۱۴۰۲ ( ۱ )
- شهریور ۱۴۰۲ ( ۵ )
- مرداد ۱۴۰۲ ( ۳ )
- تیر ۱۴۰۲ ( ۵ )
- خرداد ۱۴۰۲ ( ۲ )
- ارديبهشت ۱۴۰۲ ( ۳ )
- تیر ۱۴۰۱ ( ۱ )
- خرداد ۱۴۰۱ ( ۲ )
- ارديبهشت ۱۴۰۱ ( ۲ )
- فروردين ۱۴۰۱ ( ۱ )
- اسفند ۱۴۰۰ ( ۲ )
- بهمن ۱۴۰۰ ( ۱ )
- آذر ۱۴۰۰ ( ۱ )
- آبان ۱۴۰۰ ( ۱ )
- مهر ۱۴۰۰ ( ۲ )
- شهریور ۱۴۰۰ ( ۵ )
- مرداد ۱۴۰۰ ( ۳ )
- تیر ۱۴۰۰ ( ۳ )
- خرداد ۱۴۰۰ ( ۴ )
- ارديبهشت ۱۴۰۰ ( ۵ )
- فروردين ۱۴۰۰ ( ۶ )
- اسفند ۱۳۹۹ ( ۶ )
- آذر ۱۳۹۹ ( ۱ )
- مهر ۱۳۹۹ ( ۲ )
- شهریور ۱۳۹۹ ( ۲ )
- تیر ۱۳۹۹ ( ۱ )
- خرداد ۱۳۹۹ ( ۵ )
- ارديبهشت ۱۳۹۹ ( ۹ )
- فروردين ۱۳۹۹ ( ۲ )
- اسفند ۱۳۹۸ ( ۲ )
- دی ۱۳۹۸ ( ۱ )
- آذر ۱۳۹۸ ( ۴ )
- آبان ۱۳۹۸ ( ۲ )
- مهر ۱۳۹۸ ( ۱ )
- شهریور ۱۳۹۸ ( ۴ )
- مرداد ۱۳۹۸ ( ۱۲ )
- تیر ۱۳۹۸ ( ۹ )
- خرداد ۱۳۹۸ ( ۱۳ )
- ارديبهشت ۱۳۹۸ ( ۶۵ )
- فروردين ۱۳۹۸ ( ۱۰۰ )
- اسفند ۱۳۹۷ ( ۳۴ )
- پیاده سازی الگوریتم بهینه سازی چندهدفه NSGA-II در پایتون(Python)
- پیاده سازی الگوریتم بهینه سازی ازدحام ذرات در پایتون(Python)
- پروژه داده کاوی تشخیص بیماری های قلبی با پایتون (Python)
- پروژه داده کاوی تشخیص بیماری دیابت با پایتون(Python)
- پروژه داده کاوی تشخیص تقلب با نرم افزار نایم (Knime)
- پیاده سازی الگوریتم ژنتیک در پایتون(Python)
- پروژه داده کاوی تشخیص بیماری های قلبی با نرم افزار وکا (Weka)
- پروژه داده کاوی تشخیص سرطان با پایتون (Python)
- پروژه داده کاوی تشخیص تقلب با نرم افزار رپیدماینر (RapidMiner)
- پروژه داده کاوی بازاریابی مستقیم (Direct marketing) با پایتون (Python)
- پیاده سازی الگوریتم بهینه سازی چندهدفه NSGA-II در پایتون(Python)
- پروژه داده کاوی تشخیص تقلب در کارت های اعتباری با نرم افزار کلمنتاین یا مدلر(IBM Spss Modeler)
- پیاده سازی مقاله: تشخیص بیماری دیابت با استفاده از تکنیک داده کاوی و شبکه عصبی
- بهینه سازی ساختار شبکه عصبی با الگوریتم جستجوی فاخته برای داده کاوی سرطان
- پروژه داده کاوی تشخیص تقلب با نرم افزار نایم (Knime)
- پروژه آموزشی سیستم های توصیه گر (recommender system) در محیط پایتون
- پیاده سازی الگوریتم بهینه سازی ازدحام ذرات در پایتون(Python)
- پروژه داده کاوی امتیاز اعتباری (Credit scoring) با نرم افزار وکا (Weka)
- پروژه داده کاوی بازاریابی مستقیم (Direct marketing) با پایتون (Python)
- پروژه داده کاوی تشخیص سرطان با زبان R