PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2017 | T. 7, nr 4 | 74--78
Tytuł artykułu

Rozmyta mapa kognitywna jako inteligentny system rekomendacyjny zasobów strony internetowej

Treść / Zawartość
Warianty tytułu
EN
Fuzzy cognitive map as an intelligent recommender system of website resources
Języki publikacji
PL
Abstrakty
PL
Artykuł poświęcony jest budowie i analizie inteligentnego systemu rekomendacyjnego zasobów bazującego na rozmytej mapie kognitywnej. Opracowany system pozwala wskazać zasoby strony internetowej, którymi może być zainteresowany potencjalny użytkownik. Zasoby te są określane na podstawie aktywności innych użytkowników serwisu. Bazując na zbiorze anonimowo zebranych danych historycznych opracowano rozmytą mapę kognitywną, której czynniki odpowiadają poszczególnym zasobom strony internetowej. Wagi powiązań między nimi określono na podstawie liczby użytkowników odwiedzających poszczególne zasoby.
EN
This paper is devoted to the construction and analysis of the intelligent recommendation system for website resources based on fuzzy cognitive map. The developed system allows to identify resources, which may be interested in a potential user. These resources are determined on the basis of website users activity. Fuzzy cognitive map was develop using the dataset with anonymous collected historical data. The concepts of fuzzy cognitive map are identifiers of resources of website. Weights of the connection between them have been established based on the number of users visiting the resources.
Wydawca

Rocznik
Strony
74--78
Opis fizyczny
Bibliogr. 15 poz., rys., tab.
Twórcy
  • Politechnika Świętokrzyska, Katedra Systemów Informatycznych, Zakład Zastosowań Informatyki, a.jastriebow@tu.kielce.pl
autor
  • Politechnika Świętokrzyska, Katedra Systemów Informatycznych, Zakład Zastosowań Informatyki, l.kubus@tu.kielce.pl
autor
  • Politechnika Świętokrzyska, Katedra Systemów Informatycznych, Zakład Zastosowań Informatyki, k.piotrowska@tu.kielce.pl
Bibliografia
  • [1] Ahmadi S., Alizadeh S., Forouzideh N., Yeh C., Martin R. L., Papageorgiou E.: ICLA: Imperialist Competitive Learning Algorithm for Fuzzy Cognitive Map. Proceedings of the 2014 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), Beijing, China, 2014.
  • [2] Axelrod R.: Structure of Decision: The Cognitive Maps of Political Elites. Princeton University Press, Princeton, New York 1976.
  • [3] Froelich W., Juszczuk P.: Predictive Capabilities of Adaptive and Evolutionary Fuzzy Cognitive Maps – A Comparative Study. Nguyen N.T., Szczerbicki E. (eds.): Intel. Sys. for Know. Management, SCI 252, Springer-Verlag, Heidelberg 2009, 153–174.
  • [4] Froelich W., Papageorgiou E.I.: Extended Evolutionary Learning of Fuzzy Cognitive Maps for the Prediction of Multivariate Time-Series. Papageorgiou E.I.: Fuzzy Cognitive maps for Applied Sciences and Engineering – From fundamentals to extensions and learning algorithms. Springer, Intelligent Systems Reference Library 54, 2014, 121–131.
  • [5] Kannappan A., Papageorgiou E.: A new classification scheme using artificial immune systems learning for fuzzy cognitive mapping. Fuzzy Systems (FUZZ), 2013 IEEE International Conference, 2013, 1–8.
  • [6] Kosko B.: Fuzzy cognitive maps. International Journal of Man-Machine Studies 24(1)/1986, 65–75.
  • [7] Lee K.C., Lee W.J., Kwon O.B., Han J.H., Yu P.I.: Strategic planning simulation based on fuzzy cognitive map knowledge and differential game. Simulation 71(5)/1998, 316–327.
  • [8] Kubuś Ł, Poczęta K.: Learning Fuzzy Cognitive Maps using Evolutionary Algorithms – a comparative study. Transcom Proceedings 2015 section 3, 9–14.
  • [9] Papageorgiou E.I., Parsopoulos K.E., Stylios C.S., Groumpos P.P., Vrahtis M.N.: Fuzzy Cognitive Maps Learning Using Particle Swarm Optimization. Journal of Intelligent Information Systems 25(1)/2005, 95–121.
  • [10] Poczęta K., Yastrebov A.: Analysis of Fuzzy Cognitive Maps with Multi-Step Learning Algorithms in Valuation of Owner-Occupied Homes. IEEE International Conference on Fuzzy Systems (FUZZIEEE), Beijing, China, 2014, 1029–1035.
  • [11] Słoń G.: Application of Models of Relational Fuzzy Cognitive Maps for Prediction of Work of Complex Systems. 13th International Conference ICAISC 2014, Zakopane 2014, 307–318.
  • [12] Stach W., Kurgan L., Pedrycz W.: Data-Driven Nonlinear Hebbian Learning Method for Fuzzy Cognitive Maps. IEEE Int. Conf. on Fuzzy Systems (FUZZIEEE), 2008, 1975–1981.
  • [13] Stach W., Kurgan L., Pedrycz W., Reformat M.: Genetic learning of fuzzy cognitive maps. Fuzzy Sets and Systems 153(3)/2005, 371–401.
  • [14] Stach W., Pedrycz W., Kurgan L.A.: Learning of fuzzy cognitive maps using density estimate. IEEE Trans. on Systems, Man, and Cybernetics Part B, 42(3)/2012, 900–912.
  • [15] Breese J.S., Heckerman D., Kadie C.M.: Anonymous Microsoft Web Data Set, http://mlr.cs.umass.edu/ml/datasets/Anonymous+Microsoft+Web+Data, [16.04.2016]
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-ad21969b-4f7f-43c2-807f-a43eb9bfb2ca
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.