فهرس المقالات Recommender Systems حرية الوصول المقاله صفحة الملخص نص كامل 1 - ارائه روشی جدید برای کشف نزدیکترین همسایگی در سیستم‌های توصیه‌گر مبتنی بر فیلترینگ مشارکتی مهدی بازرگانی زینب همایونپور حرية الوصول المقاله صفحة الملخص نص كامل 2 - یک سیستم توصیه‌گر مبتنی بر اعتماد با استفاده از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات سجاد احمدیان محمدحسین اولیائی 10.71856/impcs.2024.903520 حرية الوصول المقاله صفحة الملخص نص كامل 3 - توسعه یک سیستم توصیه‌کننده چند عاملی برای دستیاران خرید هوشمند رمضان تیموری یانسری مجتبی آجودانی 10.71856/impcs.2023.903553 حرية الوصول المقاله صفحة الملخص نص كامل 4 - ارائه یک الگوریتم برای گروه بندی انواع محصولات بیمه و کاربران در سیستم توصیه گر بیمه با خوشه بندی مبتنی بر فیلتر مشارکتی ارزیابی عملکرد آن براساس توصیه بیمه مرضیه امینی شیرکوهی محمدرضا یمقانی 10.71856/impcs.2023.903600 حرية الوصول المقاله صفحة الملخص نص كامل 5 - Survey of Confidentiality and trust in recommender systems Seyed Hossein HosseiniNazhad Morteza Abdi Reyhan حرية الوصول المقاله صفحة الملخص نص كامل 6 - Design an Intelligent Multi-agent Computer-aided System for Recommender Systems Ramazan Teimouri Yansari Mojtaba Ajoudani Seyed Reza Mosayyebi حرية الوصول المقاله صفحة الملخص نص كامل 7 - Increasing the Accuracy of Recommender Systems Using the Combination of K-Means and Differential Evolution Algorithms Ali Pazahr حرية الوصول المقاله صفحة الملخص نص كامل 8 - A Novel Clustering Algorithm Based upon Learning Automata for Collaborative Filtering Sara Taghipour Javad Akbari Torkestani Sara Nazari حرية الوصول المقاله صفحة الملخص نص كامل 9 - A Solution Towards to Detract Cold Start in Recommender Systems Dealing with Singular Value Decomposition Keyvan Vahidy Rodpysh Seyed Javad Mirabedini Touraj Banirostam 10.30495/ijm2c.2021.684824 حرية الوصول المقاله صفحة الملخص نص كامل 10 - A Novel Method for Improving Cold Start Challenge in Recommender Systems through Users Demographics Information Taravat Abedini Alireza Hedayati Ali Harounabadi 10.30495/ijm2c.2023.1962562.1256 حرية الوصول المقاله صفحة الملخص نص كامل 11 - Context-Aware Recommender Systems: A Review of the Structure Research Seyed Javad Mirabedini Touraj Banirostam Keyvan Vahidy Rodpysh
