ROZMYTA MAPA KOGNITYWNA JAKO INTELIGENTNY SYSTEM REKOMENDACYJNY ZASOBÓW STRONY INTERNETOWEJ
Aleksander Jastriebow
a.jastriebow@tu.kielce.plPolitechnika Świętokrzyska, Katedra Systemów Informatycznych, Zakład Zastosowań Informatyki (Polska)
Łukasz Kubuś
Politechnika Świętokrzyska, Katedra Systemów Informatycznych, Zakład Zastosowań Informatyki (Polska)
Katarzyna Poczęta
Politechnika Świętokrzyska, Katedra Systemów Informatycznych, Zakład Zastosowań Informatyki (Polska)
Abstrakt
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.
Słowa kluczowe:
Sztuczna inteligencja, rozmyte mapy kognitywne, system rekomendacyjnyBibliografia
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.
Google Scholar
Axelrod R.: Structure of Decision: The Cognitive Maps of Political Elites. Princeton University Press, Princeton, New York 1976.
Google Scholar
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.
Google Scholar
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.
Google Scholar
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.
Google Scholar
Kosko B.: Fuzzy cognitive maps. International Journal of Man-Machine Studies 24(1)/1986, 65–75.
Google Scholar
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.
Google Scholar
Kubuś Ł, Poczęta K.: Learning Fuzzy Cognitive Maps using Evolutionary Algorithms – a comparative study. Transcom Proceedings 2015 section 3, 9–14.
Google Scholar
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.
Google Scholar
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.
Google Scholar
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.
Google Scholar
Stach W., Kurgan L., Pedrycz W.: Data-Driven Nonlinear Hebbian Learning Method for Fuzzy Cognitive Maps. IEEE Int. Conf. on Fuzzy Systems (FUZZ-IEEE), 2008, 1975–1981.
Google Scholar
Stach W., Kurgan L., Pedrycz W., Reformat M.: Genetic learning of fuzzy cognitive maps. Fuzzy Sets and Systems 153(3)/2005, 371–401.
Google Scholar
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.
Google Scholar
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]
Google Scholar
Autorzy
Aleksander Jastriebowa.jastriebow@tu.kielce.pl
Politechnika Świętokrzyska, Katedra Systemów Informatycznych, Zakład Zastosowań Informatyki Polska
Autorzy
Łukasz KubuśPolitechnika Świętokrzyska, Katedra Systemów Informatycznych, Zakład Zastosowań Informatyki Polska
Autorzy
Katarzyna PoczętaPolitechnika Świętokrzyska, Katedra Systemów Informatycznych, Zakład Zastosowań Informatyki Polska
Statystyki
Abstract views: 193PDF downloads: 73
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Aleksander Jastriebow, Łukasz Kubuś, Katarzyna Poczęta, ZASTOSOWANIE ROZMYTEJ MAPY KOGNITYWNEJ W PROGNOZOWANIU EFEKTYWNOŚCI PRACY WYPOŻYCZALNI ROWEROWYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 7 Nr 4 (2017)