دانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10067220181222Designing and Developing Spatial Experiences Ontology for Urban Rout Findingطراحی و توسعه آنتولوژی تجربیات مکانی در مسیریابی شهری11580956FAابوالقاسم صادقی نیارکیعضو هیات علمی و استادیار گروه GIS - دانشکده مهندسی نقشهبرداری- قطب علمی فناوری اطلاعات مکانی، دانشگاه صنعتی خواجه نصیرالدین طوسیمریم برزگردانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانمریم شاکریدانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانJournal Article20180516Abstract- Spatial experience is the ability of comprehending relation between real world’s objects, spaces and areas and can be acquired after several years of learning and experience by the expert persons. This experience leads to generating spatial knowledge and can be helpful in making high accuracy, realistic and in accordance with reality decisions. Therefore, using some methods for storing and reusing this experiment and preventing the exit of experiences from organizations is necessary. In this research, different experience modeling methods such as semantic networks, rules, logic and ontology are investigated and due to the advantages of ontology method in comparison with other methods, this modeling method is chosen for proposing an algorithm for storing spatial experiences in urban route finding. In this regard, first, an ontology model is created with the taxi routes in Tehran city. Then, this ontology model is used for route finding and its results compared with Dikjestra’s algorithm at peak traffic times. The results show that although the route lengths of ontology based route finding algorithm are longer than route lengths of Dikjestra’s algorithm but its travel times are lower and in some routes the difference between travel times reaches to 10 minutes.چکیده- تجربه مکانی، توانایی افراد برای درک روابط بین اشیای دنیای واقعی، فضاها و مناطق است که پس از سال ها یادگیری و تجربه توسط افراد خبره بدست میآید. این تجربه که منجر به تولید دانش مکانی میشود در اخذ تصمیمات سازمانی با دقت بالا، واقعبینانه و هماهنگ با واقعیت کمک میکند. از اینرو، استفاده از روشهایی برای ذخیرهسازی و استفاده مجدد از این تجربه و جلوگیری از خارج شدن آن از سازمان-ها، امروزه به امری مهم و ضروری تبدیل شده است. در این پژوهش روشهای مختلف مدلسازی تجربیات از جمله استفاده از شبکههای معنایی، قانون، منطق و آنتولوژی بررسی میشوند و به دلیل برتری روش آنتولوژی نسبت به روشهای دیگر، این روش به عنوان روش مدلسازی انتخاب و الگوریتمی مبتنی بر آنتولوژی برای ذخیرهسازی تجربیات مکانی ارائه و در مسیریابی شهری استفاده میگردد. بدین منظور، ابتدا یک مدل آنتولوژی با استفاده از دادههای مربوط به مسیرهای تاکسی شهر تهران ایجاد گردید. سپس این مدل آنتولوژی برای مسیریابی استفاده شد و نتایج آن با الگوریتم کوتاهترین مسیر دایجسترا از نظر طول مسیر و زمان سفر برای زمان اوج ترافیک، مقایسه گردید. نتایج حاصل نشان داد با اینکه طول سفر روش مسیریابی مبتنی بر آنتولوژی تجربیات رانندگان، نسبت به الگوریتم کوتاهترین مسیر دایجسترا، بیشتر است، اما زمان سفر آن کمتر است و در برخی مسیرها اختلاف زمان سفر آن با الگوریتم کوتاهترین مسیر دایجسترا، به 10 دقیقه نیز میرسد.https://jscit.nit.ac.ir/article_80956_299135930b98d1f7bffa9553e4991281.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10067220181222An improved particle filter based on soft computing with application in target trackingفیلتر ذره ای بهبود یافته مبتنی بر محاسبات نرم با کاربرد در ردیابی هدف162880955FAرمضان هاونگیدانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران.Journal Article20180226Particle filter is one of the most important filters for estimating nonlinear/non-Gussian systems that is used in many applications. In a standard particle filter, since the common state density function of the state is approximated by recursive importance sampling, the dimension of the joint posterior grows with each time step. This causes the algorithm to be rapidly degenerated. Therefore, the use of a resampling strategy is required for guaranteeing a logical approximation of the density function on the entire path. However, in practice, resampling step is performed on marginal space. Since the system may not exhibit an exponential forgetting behavior from its past errors, it will produce an incomplete estimate with a small number of finite sampling processes on the marginal space. To solve this problem, an improved particle filter based soft computing is proposed in this paper. Unlike a particle filter, this filter is applied to the marginal distribution, and the sampling dimensions do not increase with time. In addition, sampling has been improved using an evolutionary differential algorithm. The proposed method is evaluated using computer simulations. The results show that the proposed method has a better performance than standard particle filter.فیلتر ذرهای یکی از مهمترین فیلترها در تخمین سیستم های غیر خطی/غیر گوسی که در کاربردهای زیادی استفاده شده است. در فیلتر ذرهای استاندارد، از آنجاییکه تابع چگالی پسین مشترک حالت با استفاده از نمونه برداری پراهمیت بازگشتی تقریب زده میشود، ابعاد تابع چگالی پسین مشترک در هر لحظه از زمان رشد میکند. این موجب میشود که الگوریتم سریعا" تباهیده شود. بنابراین استفاده از استراتژی نمونهبرداری مجدد بمنظور تضمین یک تقریب منطقی از تابع چگالی احتمال پسین روی کل مسیر لازم میشود. با وجود این، در پیادهسازی فیلتر ذرهای، نمونهبرداریمجدد روی فضای حاشیهای انجام میشود. از آنجایی که سیستم ممکن است دارای رفتار فراموشی نمایی از خطاهای گذشتهاش نباشد، با تعداد ذره محدود فرآیند نمونه برداری مجدد روی فضای حاشیهای یک تخمین ناسازگار بوجود میآورد. برای رفع این مشکل، در این مقاله فیلتر ذرهای بهبود یافته مبتنی بر محاسبات نرم پیشنهاد شده است. در این فیلتر برخلاف فیلتر ذرهای، نمونهبرداری بر روی توزیع حاشیهای انجام میشود و ابعاد نمونهبرداری با زمان افزایش نمییابد. بعلاوه، نمونه برداری با استفاده از الگوریتم تکامل تفاضلی(DE) بهبود داده شده است. روش پیشنهادی با استفاده از شبیهسازیهای کامپیوتری مورد ارزیابی قرار گرفته است. نتایج نشان میدهند روش پیشنهادی دارای عملکرد بهتری نسبت به فیلتر ذرهای استاندارد است.https://jscit.nit.ac.ir/article_80955_83d11ec9b9d4f67044113cb40a765d3d.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10067220181222Fusion of spectral wavelet and spatial total-variation methods to reduce the noise of hyperspectral imagesادغام روشهای طیفی موجک و مکانی نوسانات کلی بهمنظور کاهش نویز در تصاویر ابرطیفی294281501FAمجید اسماعیل زادهدانشکده مهندسی نقشه برداری و اطلاعات مکانی - دانشگاه تهران - تهرانسید تیمور سیدیدانشکده مهندسی نقشه برداری و اطلاعات مکانی - دانشگاه تهران - تهرانمحمدرضا سراجیاندانشکده مهندسی نقشه برداری و اطلاعات مکانی - دانشگاه تهران - تهرانJournal Article20171112Hyperspectral images as a source of information can be used for diverse applications in various fields, including target identification, classification, change detection and anomaly detection in urban and non-urban areas. Noise is an inevitable part of a signal which limits the use of hyperspectral images in some applications. Noise removal is one of the most important pre-processing stages in hyperspectral images. In order to remove the noise in hyperspectral images, the data needs to be preprocessed to reduce noise impact on the images. The process and analysis of hyperspectral images is rather complicated because of the high dimensionality of hyperspectral images compared to multispectral remote sensing images. Hyperspectral image cube consist of three dimensions which the first and second dimensions related to the spatial domain and the third one related to the spectral domain which includes more than hundred bands. Most of the methods operate in the spectral domain for noise reduction while in this proposed method, a novel algorithm for reducing noise in hyperspectral images is implemented. The proposed method uses two different algorithms which are applied in two different hyperspectral images in both spatial and spectral domains. These images are Hyperion satellite image and AVIRIS airborne image. In order to reduce noise in the spatial domain, Total Variation (TV) algorithm and in the spectral domain, Wavelet algorithm is used. After the implementation of these methods, the results are fused at the pixel level. For the evaluation of the proposed method, the results were compared with other methods, both qualitatively and quantitatively. Various indices are used to assess the quantitative results which demonstrate the high accuracy of this method.CEI index for Hyperion image is 1.421 and for AVIRIS image is 0.0022. Another index is PSNR which the value for Hyperion image is 33.519 and for AVIRIS image is 22.371.تصاویر ابرطیفی بهعنوان یک منبع مفید اطلاعاتی، کاربردهای مختلفی را در حوزه های مختلف ازجمله شناسایی اهداف، طبقهبندی، آشکارسازی تغییرات، شناسایی آنامولی در محیطهای شهری و غیرشهری ارائه میکنند. نویز بهعنوان یک بخش اجتنابناپذیر از یک سیگنال است که باعث محدودیت استفاده از این تصاویر در برخی از کاربردها می شود. حذف اثر نویز در تصاویر ابرطیفی یکی از مهمترین مراحل پیشپردازشی این تصاویر است. بدین منظور، جهت حذف نویز تصاویر ابرطیفی، دادهها نیاز به پیشپردازش دارند تا از تأثیر آن در تصاویر ابرطیفی کاسته شود. ابعاد بالای این تصاویر در مقایسه با تصاویر چندطیفی سنجشازدوری، امکان پردازش و تحلیل این داده را پیچیدهتر میکند. مکعب تصاویر ابرطیفی دارای سه بعد میباشند که بعد اول و دوم آن مربوط به حیطه مکانی و بعد سوم آن مربوط حیطه طیفی که شامل چند صد باند است. اغلب روشهای حذف نویز در حیطه طیفی عمل میکنند درحالیکه در این مقاله روشی نوین بهمنظور کاهش نویز تصاویر ابرطیفی ارائهشده است. این روش در دو حیطه مکانی و طیفی، از دو الگوریتم مجزا بر روی دو تصویر متفاوت ابرطیفی استفاده میکند. این تصاویر شامل تصویر ماهواره ای سنجنده هایپریون و تصویر سنجنده هوابرد اویریس است. بهمنظور کاهش نویز در حیطه مکانی از الگوریتم نوسانات کلی و در حیطه طیفی از الگوریتم موجک استفاده میشود. پس از پیادهسازی این روش-ها، نتایج در سطح پیکسل بهصورت وزندار ادغام شدند. جهت ارزیابی کارایی روش پیشنهادی، نتایج به دو صورت کمی و کیفی با سایر الگوریتمها مقایسه شد. بهمنظور ارزیابی نتایج کمی از شاخصهای متفاوتی استفاده شد که نتایج بهدستآمده، دقت بالای روش پیشنهادی را نسبت به سایر روشها نشان میدهد بهطوریکه عدد شاخص CEI برای داده سنجنده هایپریون 421/1 و برای داده اویریس 0022/0 است، علاوه بر آن شاخص PSNR برای داده هایپریون 519/33 و برای داده اویریس 371/22 است.https://jscit.nit.ac.ir/article_81501_bb2202778c876c45c764dcc08c19a33e.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10067220181222Persian Handwritten Recognition Using Centroid Sequence Freeman Chain Code (CSFCC) Feature and Enhanced Classificationبازشناسی کلمات دستنویس فارسی براساس ویژگی کد زنجیرهای فریمن دنباله مرکز جرم و طبقهبند بهبود یافته435782303FAعبداله چاله چالهگروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه رازی، کرمانشاه، ایران0000-0002-7217-905Xسارا خسرویگروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه رازی، کرمانشاه، ایرانJournal Article20180414In this paper, a new method is proposed for offline handwritten Persian words recognition. The proposed method introduces the Centroid Sequence Freeman Chain Code (CSFCC) as a new and powerful feature along with the use of morphological features and an optimize support vector machine (SVM) classifier. A conbination of particle swarm optimization (PSO) and gravitational search algorithm (GSA), abbreviated to PSOGSA, has been employed to optimaze the SVM classifier. In the proposed method, all the connected components of a word are detected and combined with each other. For this purpose, a pictorial dictionary of asymptomatic subwords has been made. In addition, a database has been created to include the positions of asymptomatic subwords in order to narrow down the search space and increase the speed and improve the recognition accuracy. Based on the position of a subword in a word, it is more likely to make the right decision and detect the subword, accurately. The proposed method was implemented on the Iranshahr Database, containing nearly 17000 images of handwritten names of 503 cities of Iran. The resultant recognition accuracy is 89% in the expriments, which shows the capability of the proposed method and improving the results, compared to the other well-known methods.در این مقاله روش جدیدی برای بازشناسی برونخط کلمات فارسی دستنویس ارائه شده است. روش پیشنهادی شامل معرفی ویژگی جدید و قدرتمند کد زنجیرهای فریمن دنباله مرکز جرم (CSFCC)، در کنار استفاده از ویژگیهای ریختشناسی و همچنین استفاده از طبقهبند ماشین بردار پشتیبان (SVM) بهبود یافته میباشد. در روش پیشنهادی، طبقهبند ماشین بردار پشتیبان(SVM)، با استفاده از ترکیب دو الگوریتم بهینهسازی ازدحام ذرات (PSO) و الگوریتم جستجوی گرانشی (GSA)، که بهاختصار آن را PSOGSA مینامیم؛ بهبود یافته است. رویکرد به کار برده شده در این تحقیق، تشخیص تمامی اجزای متصل به هم در کلمه و سپس ترکیب آنها با یکدیگر میباشد. به همین منظور، یک فرهنگ لغت تصویری از زیرکلمات بدون علامت تهیه شده است. علاوه بر این، بهمنظور کاهش فضای جستجو، افزایش سرعت و دقت بازشناسی، یک پایگاه داده از موقعیت زیرکلمات بدون علامت اصلی نیز ایجاد و مورد استفاده قرار گرفته است. این کار باعث شد؛ تا برای بازشناسی یک زیرکلمه، براساس موقعیت آن در کلمه اصلی تصمیمگیری و احتمال تشخیص درست افزایش یابد. روش پیشنهادی بر روی پایگاه داده شناخته شدهی ایرانشهر که شامل حدود 17000 تصویر از اسامی دستنویس 503 شهر ایران است؛ اجرا شده است. دقت بازشناسی به دست آمده در روش پیشنهادی، 89% در بخش آزمایش میباشد؛ که نشاندهنده توانمندی روش پیشنهادی و بهبود نتایج در مقایسه با دیگر روشهای موجود است.https://jscit.nit.ac.ir/article_82303_556a0a40ea91122162ae75557419038f.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10067220181222Adaptive Increasing/Decreasing PSO for Solving Dynamic Optimization Problemsالگوریتم انطباقی بهینه سازی ذرات افزایشی کاهشی برای حل مسائل بهینه سازی پویا587082773FAسید مسعود اجابتیدانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران.سیّدحمید ظهیریاستاد، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران0000-0002-1280-8133Journal Article20171219Science progress has introduced new issues into the world requiring optimization algorithm with fast adaptation with uncertain environment changing with time. In these issues, location and optimized value change over time, so optimization algorithm should be capable of fast adaptation with variable conditions. This study has proposed a new algorithm based on particle optimization algorithm called Adaptive Increasing/Decreasing PSO. This algorithm, adaptively with an increase and decrease in the number of algorithm particles and effective search limit, is capable of searching and finding optimized number changed with time in non-linear and dynamic environments with undetectable changes. Also, a new definition, focused search zone, is provided for signalizing hopeful areas in order to accelerate local search process and prevent premature convergence, and success index as an indicator of the behavior of centralized search area in relation to environmental conditions. Results of the proposed algorithm on the moving peaks benchmark were assessed and compared with the results of some other studies. Results show positive effects of adaptive mechanisms such as a decrease and an increase in the particles and search limit on the duration of searching and finding optimization in comparison with other multi-population based optimization algorithms.با پیشرفت روز افزون علم، همواره با مسائل جدیدی در دنیای واقعی روبرو میشویم که نیاز به الگوریتم بهینه سازی با قابلیت انطباق سریع با محیط در حال تغییر با زمان و غیرقطعی را بیشتر نمایان می کند. در این گونه مسائل شرایط همواره بگونه ای پیش می رود که مکان و مقدار بهینه در طول زمان تغییر می یابد، از این رو الگوریتم بهینه سازی باید توانایی انطباق سریع با شرایط متغیر را دارا باشد. در این مقاله الگوریتم جدیدی بر مبنای الگوریتم بهینه سازی ذرات به نام الگوریتم انطباقی بهینه سازی ذرات افزایشی کاهشی، پیشنهاد شده است. این الگوریتم همواره در روند بهینه سازی به طور انطباقی با کاهش یا افزایش تعداد ذرات الگوریتم و محدوده جستجو موثر توانایی یافتن و دنبال کردن تعداد بهینه متغیر با زمان در محیط های غیرخطی و پویایی که تغییرات آن قابل آشکارسازی نیست، را دارا می باشد. علاوه بر این تعاریف جدیدی به نام ناحیه جستجو متمرکز با هدف برجسته کردن فضاهای امیدبخش برای سرعت بخشیدن به فرایند جستجوی محلی و جلوگیری از همگرایی زودرس و شاخص موفقیت به عنوان معیاری برای چگونگی رفتار ناحیه جستجو متمرکز نسبت به شرایط محیطی، تعریف شده است. نتایج حاصل از الگوریتم پیشنهادی بر روی تابع محک قله های متحرک ارزیابی شده و با نتایج چندین الگوریتم معتبر مقایسه گردیده است. نتایج نشان دهنده تاثیر مثبت مکانیزم های انطباقی بکار گرفته شده از جمله کاهش و افزایش ذرات و محدوده جستجو بر زمان یافتن و دنبال کردن چندین بهینه در مقایسه با سایر الگوریتم های بهینه سازی مبتنی بر چند جمعیتی می باشد.https://jscit.nit.ac.ir/article_82773_fdd16ba41258d2735a04999eaec919e2.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10067220181222ZOGLO: A Scheme of Zoning and Data Gathering for Lifetime Optimization in Wireless Sensor Networksیک روش ناحیه بندی و جمع آوری داده با هدف بهینهسازی طول عمر در شبکه های حسگر بی سیم718081833FAمحمد علائیگروه مهندسی کامپیوتر - دانشکده فنی - دانشگاه ولی عصر (عج رفسننجان)0000000312737635فهیمه یزدان پناهگروه مهندسی کامپیوتر - دانشکده فنی - دانشگاه ولی عصر رفسنجان0000-0002-8210-8204Journal Article20180727One of the main challenges of wireless sensor networks (WSNs), is unequal energy consumption of the nodes and early dead of the forwarder nodes around the base station because of the high load on these nodes. This matter causes a hole around the base station, thus, the communications between the alive nodes of the network and the base station are disrupted. In this paper, balancing the load and then energy consumption of the network nodes are followed. The aim is prolongation of the lifetime of all the nodes, particularly, the nodes around the base station to keep the communications between the network nodes and the base station until the end of lifetime of the nodes without any hole. To this purpose, a method for zoning the area of sensor networks is proposed. The distance of data transfer hop of each forwarder node is adjusted based on the amount of data to be transmitted by the forwarder. Hence, energy consumption of forwarders and thus their lifetimes are balanced. The proposed approach presents a solution for the challenge of short life of forwarders around the base station. Moreover, the dimensions of zones are calculated in such way that the communications between the sensors and the forwarder in each zone are performed in single hop manner. The approach balances the density of sensors of the created zones to uniform the coverage ratio in all the network area. The performance evaluations of the proposed scheme indicate that the scheme prolongs the lifetime of both forwarders and sensor nodes compared with the related works.یکی از چالشهای شبکههای حسگر بیسیم، عدم توازن در مصرف انرژی گرهها و مرگ زودهنگام گرههای فرستنده اطراف ایستگاه پایه میباشد. دلیل این امر، بار کاری بیشتر و بنابراین، مصرف انرژی بیشتر در این گرهها میباشد. بهطوریکه، ارتباط گرههای زنده و فعال شبکه نیز با ایستگاه پایه مختل میگردد. در این مقاله، هدف، متوازنسازی بار کاری و مصرف انرژی در گرههای شبکه میباشد. بهطوریکه، در ضمن بیشینهسازی طول عمر همه گرهها، از مرگ زودهنگام گرههای پیرامون ایستگاه پایه جلوگیری گردد و لذا همه گرههای شبکه تا آخر طول عمر خود، با ایستگاه پایه در ارتباط باشند و حفرهای در شبکه ایجاد نگردد. برای نیل به این مقصود، روشی برای ناحیهبندی شبکههای حسگر بیسیم پیشنهاد میشود. در این روش، ناحیهها به گونهای ایجاد میشوند که طول گام ارسال داده هر گره فرستنده بر حسب میزان دادهای که باید ارسال کند، معین میگردد. بنابراین، انرژی مصرفی گرههای فرستنده و در نتیجه، طول عمر آنها متوازن میشود. روش پیشنهادی که آن را ZOGLO مینامیم، در درجه اول، راهحلی برای چالش مردن زودهنگام گرههای فرستنده پیرامون ایستگاه پایه ارائه میدهد. علاوه بر این، ابعاد ناحیهها چنان تنظیم میشود که در هر ناحیه، ارتباط گرههای حسگر با گره فرستنده ناحیه بهصورت تک گام انجام میشود. روش ZOGLO چگالی گرههای حسگر در ناحیهها را متوازن میکند تا نرخ پوشش در همه سطح شبکه یکسان گردد. ارزیابیهای انجام شده نشان میدهند که روش ZOGLO نسبت به کارهای مرتبط، طول عمر گرههای شبکه اعم از گرههای فرستنده و حسگر را بالا میبرد و نیز اختلاف طول عمر آنها را کم میکند.https://jscit.nit.ac.ir/article_81833_44d1303aaee0acfa39d94d1c500997f2.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10067220181222Temporal Recommendation System Based on Coupled Tensor Factorizationارائهی یک سیستم پیشنهاددهندهی زمانی مبتنی بر تجزیه تنسورهای اتصالی819482308FAحمیدرضا طهماسبیگروه مهندسی کامپیوتر، واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایرانمهرداد جلالیگروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران0000-0003-2465-4933حسن شاکریگروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایرانJournal Article20180110Recommender systems analyze the user’s preference patterns and provide personalized recommendations of items that will suit a user’s taste. An essential challenge in these systems is that user preferences are not static and users are likely to change their preferences over time. The adaptability of recommender systems to capture the evolving user′s preferences which are constantly changing, improves the accuracy of recommender systems. In this paper, we develop a model to capture the users’ preference dynamics in a personalized manner. We introduce an individual time decay factor for each user according to the rate of his preference dynamics to weight the past user preferences and decrease gradually the importance of them. We exploit the users’ demographics as well as the extracted similarities between users over time, in addition to the past weighted user preferences, in a developed coupled tensor-matrix factorization technique to provide the personalized recommendations. Our evaluation results on the two real-world datasets indicate that our proposed model is better and more robust than the competitive methods in term of recommendation accuracy and is more capable to cope with cold-start problem.سیستمهای پیشنهاددهنده با تحلیل الگوهای علایق کاربران، آیتمها یا پیشنهاداتی متناسب با علایق کاربر به او ارائه میکنند. یک چالش اساسی در این سیستمها این است که علایق کاربران ثابت نبوده و معمولا کاربران تمایل به تغییر علایق خود در طول زمان دارند. تطبیق سیستمهای پیشنهاددهنده برای مدل کردن تکامل علایق و نیازهای کاربران که مدام درحال تغییر میباشند، باعث بهبود پیشنهادات ارائه شده به کاربر میگردد. در این مقاله با توسعه یک روش مدلسازی علایق پویای کاربر، یک سیستم پیشنهاددهنده زمانی ارائه میکنیم. در این روش یک تابع کاهش زمانی برای هر کاربر معرفی میشودکه اهمیت علایق قبلی کاربران براساس نرخ تغییر علایق هر کاربر وزن گذاریشده و سپس این اطلاعات بهمراه اطلاعات استخراج شدهی مربوط به شباهت بین کاربران در طول زمان و دادههای دموگرافی کاربران به ترتیب در دو تنسور و یک ماتریس مدل شده و با استفاده از تکنیک تجزیه تنسور- ماتریسهای اتصالی، پویایی علایق کاربران استخراج و پیشنهادات شخصی مناسب با هر کاربر ارائه میشود. ارزیابی روش پیشنهادی روی دو مجموعه دادهی واقعی، بهبود دقت این روش را در پیشنهاد آیتمها به کاربران نسبت به سایر روشهای مقایسه شده و توانایی بهتر آن در برخورد با مشکل شروع سرد را نشان میدهدhttps://jscit.nit.ac.ir/article_82308_2120e9d5bf317e4a08737a674c700e31.pdf