research centers


Search results: Found 5

Listing 1 - 5 of 5
Sort by

Article
Reducing Data Sparsity in Recommender Systems

Authors: Nadia F. Al-Bakri --- Soukaena Hassan Hashim
Journal: Al-Nahrain Journal of Science مجلة النهرين للعلوم ISSN: (print)26635453,(online)26635461 Year: 2018 Volume: 21 Issue: 2 Pages: 138-147
Publisher: Al-Nahrain University جامعة النهرين

Loading...
Loading...
Abstract

Recommender systems are used to find user's interested things among a huge amount of digital information. Collaborative filtering is used to generate recommendations. However, the data sparsity problem leads to generate unreasonable recommendations for those users who provide no ratings. From this point, this paper presents a modest approach to enhance prediction in movielens dataset with high sparsity by applying collaborative filtering methods. The proposal consists of three consequence phases: preprocessing phase, similarity phase, prediction phase. The experimental results obtained conducting similarity measures against movielens user rating datasets show that the result of prediction is enhanced about 10% to15% with the non-sparse rating matrix.


Article
A Modified Similarity Measure for Improving Accuracy of User-Based Collaborative Filtering

Authors: Nadia F. AL-Bakri --- Soukaena H. Hashim
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2018 Volume: 59 Issue: 2B Pages: 934-945
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Production sites suffer from idle in marketing of their products because of the lack in the efficient systems that analyze and track the evaluation of customers to products; therefore some products remain untargeted despite their good quality. This research aims to build a modest model intended to take two aspects into considerations. The first aspect is diagnosing dependable users on the site depending on the number of products evaluated and the user's positive impact on rating. The second aspect is diagnosing products with low weights (unknown) to be generated and recommended to users depending on logarithm equation and the number of co-rated users. Collaborative filtering is one of the most knowledge discovery techniques used positively in recommendation system. Similarity measures are the core operations in collaborative filtering; however, there is a certain deviance through using traditional similarity measures, which decreases the recommendation accuracy. Thus, the proposed model consists of a combination of measures: constraint Pearson correlation, jaccard distance measure and inverse user frequency (IUF). The experimental results implemented on movielens data set using MATLAB show a comparison between the results of the proposed model and some of the traditional similarity measures. The outcome results of the comparison show that the proposed model can be used as a parameter in the prediction process to achieve accurate prediction results during recommendation process


Article
Collaborative Filtering Recommendation Model Based on k-means Clustering

Authors: Nadia Fadhil AL-Bakri --- Soukaena Hassan Hashim
Journal: Al-Nahrain Journal of Science مجلة النهرين للعلوم ISSN: (print)26635453,(online)26635461 Year: 2019 Volume: 22 Issue: 1 Pages: 74-79
Publisher: Al-Nahrain University جامعة النهرين

Loading...
Loading...
Abstract

In this age of information load, it becomes a herculean task for user to get the relevant things from vast number of information. This huge number of data demand specially designed Recommender system that can plays an important role in suggesting relevant information preferred by the users. From this point, this paper presents a modest approach to enhance prediction in MovieLens dataset with high scalability by applying user-based collaborative filtering methods on clustered data. The proposal consists of three consequence phases: preprocessing phase, similarity phase, prediction phase. The experimental results obtained conducting K-means clustering and correlation coefficient similarity measures against MovieLens datasets lead to an increase in the scalability of recommender system.


Article
A Study on the Accuracy of Prediction in Recommendation System Based on Similarity Measures
دراسة حول دقة التنبؤ في نظام التوصية على أساس مقاييس التشابه

Authors: Nadia Fadhil AL-Bakri ناديه فاضل البكري --- Soukaena Hassan Hashim سكينه حسن هاشم
Journal: Baghdad Science Journal مجلة بغداد للعلوم ISSN: 20788665 24117986 Year: 2019 Volume: 16 Issue: 1 Supplement Pages: 263-269
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Recommender Systems are tools to understand the huge amount of data available in the internet world. Collaborative filtering (CF) is one of the most knowledge discovery methods used positively in recommendation system. Memory collaborative filtering emphasizes on using facts about present users to predict new things for the target user. Similarity measures are the core operations in collaborative filtering and the prediction accuracy is mostly dependent on similarity calculations. In this study, a combination of weighted parameters and traditional similarity measures are conducted to calculate relationship among users over Movie Lens data set rating matrix. The advantages and disadvantages of each measure are spotted. From the study, a new measure is proposed from the combination of measures to cope with the global meaning of data set ratings. After conducting the experimental results, it is shown that the proposed measure achieves major objectives that maximize the accuracy Predictions.

نظم التوصية هي أدوات لفهم الكم الهائل من البيانات المتاحة في عالم الإنترنت. التصفية التعاونية هي واحدة من أكثر تقنيات اكتشاف المعرفة المستخدمة بشكل إيجابي في نظام التوصيات. تركز التصفية التعاونية القائمة على الذاكرة على استخدام الحقائق حول المستخدمين القائمين والمتوفرين, للتنبؤ بأشياء جديدة للمستخدم المستهدف. مقاييس التشابه هي من العمليات الأساسية في التصفية التعاونية ودقة التنبؤ تعتمد في الغالب على حسابات التشابه. في هذه الدراسة ، تم استخدام مجموعة من مقاييس التشابه التقليدية مع المعاملات المرجحه لحساب العلاقة بين المستخدمين عبر مصفوفة التخمين لمجموعة بيانات MovieLens)). تم اكتشاف مزايا وعيوب كل مقياس. من الدراسة ، تم اقتراح مقياس جديد مكون من مجموعة من المقاييس للتعامل مع المعنى الشامل لتخمين مجموعة البيانات. بعد إجراء النتائج التجريبية ، تبين أن المقياس المقترح حقق العديد من الأهداف التي تزيد من دقة التنبؤات.


Article
تحسين أداء النظم الناصحة المعتمدة على التصفية التعاونيّة باستخدام علاقات الثّقة

Authors: ايفا دياب حريقص --- يسر السيد سليمان الأتاسي
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2019 Volume: 27 Issue: 1 Pages: 87 -106
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

Recommender systems are one of the recent inventions to deal with information overloadproblem and provide users with personalized recommendations that may be of their interests. Collaborative filtering is the most popular and widely used technique to build recommender systems and has been successfully employed in many applications. However, collaborative filtering suffers from several inherent issues that affect the recommendation accuracy such as: data sparsity and cold start problems caused by the lack of user ratings, so the recommendation results are often unsatisfactory. To address these problems, we propose a recommendation method called “MFGLT” that enhance the recommendation accuracy of collaborative filtering method using trust-based social networks by leveraging different user's situations (as a trustor and as a trustee) in these networks to model user preferences. Specifically, we propose model-based method that uses matrix factorization technique and exploit both local social context represented by modeling explicit user interactions and implicit user interactions with other users, and also the global social context represented by the user reputation in the whole social network for making recommendations. Experimental results based on real-world dataset demonstrate that our approach gives better performance than the other trust-aware recommendation approaches, in terms of prediction accuracy.

إنّ النظم الناصحة هي أحد الابتكارات الحديثة للتعامل مع مشكلة الحمل الزائد للمعلومات وتزويد المستخدمين بتوصيات ذات طابع شخصي والتي من المحتمل أن تكون من اهتماماتهم. التصفية التعاونيّة هي التقنيّة الأكثر شيوعاً واستخداماً على نطاق واسع لبناء النظم الناصحة وقد تمّ توظيفها بنجاح في عدّة تطبيقات، إلاّ أنّها تعاني من عدّة قضايا موروثة والتي تؤثّر على دقةّ التوصيات مثل مشاكل بعثرة المعطيات والإقلاع البارد الناجمة عن نقص تقييمات المستخدمين، لذا تكون نتائج التوصية غير مرضية غالباً. لمعالجة هذه المشاكل، نقترح طريقة توصية تدعى "MFGLT" والتي تُحسّن دقّة التوصيات لطريقة التصفية التعاونيّة باستخدام الشبكة الاجتماعيّة المعتمدة على الثقة من خلال الاستفادة من حالات المستخدم المختلفة (كواثق وكموثوق به) في هذه الشبكات لنمذجة تفضيلات المستخدمين. على وجه التحديد، نقترح طريقة معتمدة على النموذج تستخدم تقنيّة تحليل المصفوفات إلى عوامل وتستغل كل من السياق الاجتماعيّ المحلي المتمثّل بنمذجة التفاعلات الصريحة والتفاعلات الضمنيّة للمستخدم مع المستخدمين الآخرين وكذلك السياق الاجتماعي العام المتمثّل بسمعة المستخدم في الشبكة الاجتماعيّة ككل من أجل تقديم التوصيات. تبيّن النتائج التجريبيّة على مجموعة معطيات حقيقيّة، أنّ طريقتنا المقترحة تحقّق أداء أفضل من الطرق الأخرى المعتمدة على الثّقة من حيث الدقّة التنبّؤية.

Listing 1 - 5 of 5
Sort by
Narrow your search

Resource type

article (5)


Language

English (4)

Arabic (1)


Year
From To Submit

2019 (3)

2018 (2)