RecommenderSystems

🔅 پلتفرم پیشرفته‌ی هوشمند برای تسریع فرآیند تحقیقات علمی ✨ 🔬 SCiNiTO: دستیار هوشمند پژوهشگران ✅ دسترسی به ۲۶۰+ میلیون مقاله از طریق پایگاه OpenAlex ✅ ابزارهای کاربردی: ▫️ جستجوی هوشمند پیشرفته ▫️ گفت‌وگوی زنده با هوش مصنوعی (پرسش از مقالات) ▫️ پیشنهاد بهترین مجلات برای انتشار مقاله ▫️ بازبین هوشمند مقاله ⏱️ صرفه‌جویی در زمان تحقیق، نگارش و انتشار 🧠 یکپارچه‌سازی کل فرآیند پژوهشی در یک پلتفرم #AI #Research #Tools #ResearchTools #Research_Tools @Recommender_Systems

🔅 معرفی شش افزونه برتر هوش مصنوعی برای کروم ▫️ افزونه Jasper یک نویسنده هوش مصنوعی قدرتمند که متون را تولید، گرامر را اصلاح و محتوا را به سرعت بازنویسی می‌کند. این افزونه امکاناتی همچون ایده‌پردازی و رفع اشکالات نویسندگی را در اختیار شما قرار می‌دهد. ▫️ افزونه Harpa AI دستیار همه‌کاره‌ای که وظایف روزانه را به‌طور خودکار انجام می‌دهد و ابزارهایی مانند Claude، ChatGPT و Gemini را به نتایج جستجوی گوگل اضافه می‌کند. این افزونه پاسخ‌های دقیق به همراه منابع معتبر، خلاصه‌سازی ویدیوهای یوتیوب و بیش از ۱۰۰ دستور آماده برای کارهایی مانند بهینه‌سازی سئو، مدیریت ایمیل و پایش وب را ارائه می‌دهد. ▫️ افزونه Perplexity ابزاری هوش مصنوعی برای جستجو که صفحات وب و مقالات را خلاصه کرده و پاسخ‌های دقیق به همراه منابع معتبر ارائه می‌دهد. این افزونه انتخابی ایده‌آل برای دانشجویان، محققان و حرفه‌ای‌هایی است که به اطلاعات سریع و مستند نیاز دارند و با موتورهای جستجوی پیشرفته مانند گوگل و بینگ سازگار است. ▫️ افزونه Otter AI ابزاری چندکاره برای جلسات که مکالمات در پلتفرم‌هایی مانند زوم و گوگل میت را ضبط و به متن تبدیل می‌کند. Otter خلاصه‌های متنی و نکات کلیدی جلسات را استخراج کرده و برای حرفه‌ای‌هایی که به یادداشت‌های دقیق نیاز دارند، بسیار کارآمد است. ▫️ افزونه Copyleaks ابزاری هوش مصنوعی برای تشخیص سرقت ادبی که اصالت محتوا را بررسی می‌کند. این افزونه مورد اعتماد معلمان، تولیدکنندگان محتوا و کسب‌وکارها قرار گرفته تا از کپی‌برداری جلوگیری کرده و مشکلات کپی‌رایت را رفع نماید. ▫️ افزونه DeepL مترجم و ویرایشگر هوش مصنوعی که ترجمه‌های آنی به بیش از ۳۰ زبان ارائه می‌دهد. دقت بالا و ترجمه‌های طبیعی DeepL، آن را در میان حرفه‌ای‌های چندزبانه و زبان‌آموزان بسیار محبوب کرده است. #افزونه #مرورگر #کروم ▫️ کیفیت سنجی مقالات در هنگام جستجو در گوگل اسکالر با این افزونه کروم ▫️با نصب افزونه CatalyzeX در مرورگر کروم می توان کدهای پیاده سازی شده مقالات را پیدا کرد ▫️مقالات پولی سایت https://medium.com را در کادر سایت زیر وارد کرده و آن را دریافت کنید ▫️ کیفیت سنجی مقالات در هنگام جستجو در گوگل اسکالر با این افزونه کروم #Extension #Research #Tools #ResearchTools #Research_Tools #Chrome #Search #Free #Check #Results #Result #SaveTime @Recommender_Systems

🔅 مروری بر روش های انتخاب ویژگی نیمه نظارتی تنک مبتنی بر گراف كليد واژه ها: انتخاب ويژگى نيمه نظارتى، يادگيرى نيمه نظارتی، مدل های تُنک، گراف، لاپلاسين كَراف A review on graph-based semi-supervised sparse feature selection methods 👤 Razieh Sheikhpour Keywords: Semi-supervised feature selection, Semi-supervised learning, Sparse models, Graph Laplacian ▫️2023 A local spline regression-based framework for semi-supervised sparse feature selection ▫️2017 A Survey on semi-supervised feature selection methods #Sheikhpour #Semi_Supervised #Feature_Selection #SemiSupervised #Sparse #FeatureSelection #Feature #Models #ABMIR #ML @Recommender_Systems

🎓 Mahta Bakhshizadeh, PhD researcher at the German Research Center for Artificial Intelligence (DFKI) 🔎 Research fields: - Data Science - Recommender Systems - Knowledge Management 🔗 Google Scholar & LinkedIn 📚 RecSys-related papers (Starting from the most recent): 📄 Enhancing Entity Recommendation for Personal Information Assistance Using LLM-based Adaptive Relevance Prediction (will be published soon) in The 11th International Conference on Information Management (ICIM 2025) 📄 Context-based Entity Recommendation for Knowledge Workers: Establishing a Benchmark on Real-life Data (📹 Presentation video on YouTube) in The 18th ACM Conference on Recommender Systems (ACM RecSys 2024) 📄 Supporting Knowledge Workers through Personal Information Assistance with Context-aware Recommender Systems in The Doctoral Symposium at the 18th ACM Conference on RecSys (ACM RecSys 2024) 📄 Using Semantic-based Adaptive Relevance Prediction to Enhance Entity Recommendation for Personal Knowledge Assistance in The 6th Workshop of Knowledge-aware and Conversational RS at ACM RecSys (KaRS 2024) 📄 Towards Context-aware Recommender Systems for Supporting Knowledge Workers in Personal and Corporate Information Space in The AI@WORK Workshop at the INFORMATIK Festival (AI@WORK 2024) 📄 Data Collection of Real-Life Knowledge Work in Context: The RLKWiC Dataset (arXiv) in The 10th International Conference on Information Management (ICIM 2024) 📄 Leveraging Context-aware Recommender Systems for Improving Personal Knowledge Assistants by Introducing Contextual States in The Lernen, Wissen, Daten, Analysen Workshop (LWDA 2021) 📄 Automated mood-based music playlist generation using audio features in The 9th Int. Conference on Computer and Knowledge Engineering (ICCKE 2019) 🎙 Further RecSys-related experience: Moderator of the Music Recommendation Panel in Berlin "Most Wanted: Music" 2021 #PhD #Researcher #Research #Center #AI #DFKI #Mahta #Bakhshizadeh #MahtaBakhshizadeh #Mahta_Bakhshizadeh @Recommender_Systems

🔅 درس یادگیری ماشین دانشکدۀ مهندسی کامپیوتر دانشگاه صنعتی شریف 🔅 برای مشاهده‌ی ویدئوهای ضبط‌ شده، اسلایدها، نوت‌بوک‌های ژوپیتر، آزمون‌ها و تمرین‌ها، می‌توانید از لینک‌های زیر استفاده کنید دکتر علی شریفی زارچی ▫️عضو هیات علمی گروه هوش مصنوعی و بیوانفورماتیک دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف ▫️عضو کمیته‌ی علمی بین‌المللی المپیاد جهانی کامپیوتر ▫️عضو کمیته‌ی علمی بین‌المللی المپیاد جهانی هوش مصنوعی ▫️برنده‌ی مدال طلای المپیاد جهانی کامپیوتر 🌐 گیت‌هاب این درس با مشارکت یک تیم ۷۰ نفره از دانشجویان و دانش‌آموختگان دانشگاه شریف و سایر دانشگاه‌ها و با تدریس علی شریفی زارچی ارائه خواهد شد. #شریف #یادگیری_ماشین ▫️ به تمامی منابع دوره یادگیری ماشین شریف از جمله اسلایدها، ژوپیتر نوت‌بوک‌ها، تمرین‌ها و محتوای ترم‌های گذشته از طریق گیت‌هاب دسترسی داشته باشید ▫️ جزوه «مبانی علم داده» دانشگاه شریف ▫️ جزوه دوره یادگیری ماشین دکتر مهدیه سلیمانی استاد دانشگاه شریف ▫️ جزوه دست نویس درس داده کاوی و یادگیری ماشین ▫️آموزش رایگان هوش مصنوعی و یادگیری ماشین از سری دروس مکتب خونه شریف ▫️یادگیری ماشین از سری دروس رایگان مکتب خونه شریف را رایگان و برخط بیاموزید ▫️دانشگاه صنعتی شریف تصمیم گرفته محتویات آموزشی کلاس‌های درس خود را در قالب فیلم جلسات کلاسی، یادداشت‌های کلاسی، جزوات آموزشی و نمونه تمرین ها از طریق وب سایت زیر در اختیار همه دانشجویان و اقشار علاقمند به آموزش‌های دانشگاهی که در هر نقطه از کشور حضور دارند، قرار دهد #Ali #Sharif #University #Technology #Video #Sharifi #Tutorial #Machine_Learning #MachineLearning #ML #OCW #Slides @Recommender_Systems

2025 Group attention for collaborative filtering with sequential feedback and context aware attributes 🌐 https://www.nature.com/articles/s41598-025-94256-y https://doi.org/10.1038/s41598-025-94256-y Hadise Vaghari, Mehdi Hosseinzadeh Aghdam & Hojjat Emami Abstract: The deployment of recommender systems has become increasingly widespread, leveraging users’ past behaviors to predict future preferences. Collaborative Filtering (CF) is a foundational method that depends on user-item interactions. However, due to individual variations in rating patterns and dynamic interplays of item attributes, it becomes challenging to model user preferences accurately. Existing attention-based methods often do not prove very reliable in capturing fine-grained intricate item-attribute relationships or in furnishing global explanations across temporal, attribute, and item levels. To overcome these limitations, we propose GCORec, a novel framework that integrates short- and long-term user preferences using innovative mechanisms. A Hierarchical Attention Network returns a highly complicated item-attribute relationship, while a Group-wise enhancement mechanism improves the representation of features by reducing noise while emphasizing important attributes. Likewise, an Attentive Bi-Directional GRU does splendidly when trying to model long-term user behaviors while the Collaborative Multi Head Attention Mechanism evaluates the effect of item attributes on user preferences. Experiments conducted on benchmark datasets demonstrate the advantages of the proposed GCORec. Specifically, GCORec achieves improvements over the best baselines by 3.03% and 1.49% in terms of Recall@20, and by 5.88% and 5.92% in terms of NDCG@20 on real-world datasets with different levels of sparsity and domain features. #Group #Attention #Collaborative #Filtering #CollaborativeFiltering #Collaborative_Filtering #Sequential #Feedback #Context #Aware #ContextAware #Context_Aware #Attributes @Recommender_Systems

2025 HAN: Hierarchical Attention Network for Learning Latent Context-Aware User Preferences With Attribute Awareness HADISE VAGHARI - MEHDI HOSSEINZADEH AGHDAM - HOJJAT EMAMI Department of Computer Engineering, Qeshm Branch, Islamic Azad University, Qeshm, Iran Department of Computer Engineering, University of Bonab, Bonab Iran ABSTRACT Sequential recommendation has become a key role in many online services as user activities grow. With recent advancements in the prediction of users' next interests through joint modeling of long-termand short-term preferences, recommendation performance has significantly improved. However, existing work largely overlooks the evolving nature of users' preferences, directly integrating interactions betweenitem-item or user-item features, with no proper understanding of what motivates the user in the selection of a sequence. Users usually make their decisions on a two-step basis: initiating an action on a specific intent and then selecting an item that satisfies the intent. Besides, the existing models fail to properly capture the hierarchical relationships between multiple attributes of items and the temporal dependencies of the items within sequences. In this paper, we introduce a novel architecture for a sequential recommendation that unifies users' long- and short-term preferences and models the underlying user intentions. Our model employs a Hierarchical Attention Network (HAN), which can grasp fine grained relationships between item attributes in sessions and incorporates both temporal and semantic dependencies among items. By explicitly modeling user intentions and their evolving preferences, the HAN illustrates better how users act in behavior.On two real datasets, we show that the proposed model HAN outperforms all other current state-of-the-artmethods. INDEX TERMS Sequential recommendation, long and short-term preferences, hierarchical attention, latent context, item-attribute relationship. #HAN #Hierarchical #Attention #Network #Learning #Latent #Context #Aware #User #Preferences #ContextAware #UserPreferences #Context_Aware #User_Preferences #Attribute #Awareness #Sequential #Hierarchical #LongTerm #Short Term #Item @Recommender_Systems

🔅 Best Computer Science Journals: ▫️ The process for ranking journals involves examining more than 8,222 journals which were selected after detailed inspection and rigorous examination of over 154,539 scientific documents published during the last three years by 11,950 leading and well-respected scientists in the area of computer science. ▫️Journal Rankings on Computer Science 🔅 یک مرجع عالی برای یافتن ژورنال مناسب با قابلیت انتخاب محدوده مورد تحقیق و ناشر مجله #IF #Research #Tools #ResearchTools #Research_Tools #ISSN #eISSN #Best #ComputerScience #Journals #Journal #Search #Ranking #JCR #Impact_Factor #ImpactFactor #Citation #Impact #Report #Paper #Publisher #Ranking @Recommender_Systems

🔅 Looking for unavailable articles? We've got you covered! 🔅 یکسری سایت و افزونه مرورگر و ربات تلگرامی برای دانلود مقالات خارجی: Simply open one of these and enter the corresponding DOI #ابزار_پژوهش #ابزار_جستجو #مقاله #ابزار_پژوهش #ابزار_جستجو #پژوهش #ابزار #جستجو #افزونه #مرورگر #کروم #فایرفاکس #Search #Site #Bot #Extension #Research_Tools #Tools #Research #ResearchTools #Best #BestTools #Best_Tools @Recommender_Systems

🔅 آغاز سال 1404 بر همه همراهان و اعضا بزرگوار کانال و گروه سیستم های توصیه گر مبارک باد 🌹 در این سال نو، برای همه عزیزان، تندرستی، سر سبزی، آرامش، برکت و روزگاری خوش و درخشان چون خورشید آرزو داریم به امید سلامتی، سعادت، سرور، سربلندی و سرافرازی برای همه مردم دنیا مخصوصا ملت شریف و نجیب ایران و ایرانی های سراسر دنیا الهی توفیق داشته باشیم بهترینها را تقدیم شما عزیزان کنیم @Recommender_Systems

سامانه‌های توصیه‌گر بر پایه‌ی مدل‌های مولد دکتر یاشار دلجو استادیار دانشگاه پلی‌تکنیک باری vc.sharif.edu/mjafari در این جلسه به بررسی کاربرد مدل‌های مولد در سامانه‌های توصیه‌گر پرداخته می‌شود. پژوهش‌های اخیر نشان می‌دهد که استفاده از مدل‌های مولد (مانند مدل‌های زبان بزرگ) می‌تواند با بهبود دقت توصیه‌ها و کاهش مشکلاتی مانند توهم‌گویی و تصادفی بودن توصیه‌ها، سامانه‌های توصیه‌گر را به سطح جدیدی ارتقا دهد. علاوه بر این، چارچوب‌های جامع ارزیابی پیشنهادی، جنبه‌های اخلاقی، امنیتی و عدالت در ارائه توصیه‌ها را نیز مورد توجه قرار می‌دهد. این رویکرد نوین، افق‌های تازه‌ای در توسعه سامانه‌های توصیه‌گر نسل بعدی و بهبود تجربه کاربری باز می‌کند. یوتیوب (ویدئو و اسلاید جلسه‌ها) توییتر #LLM #LLM_Club #Sharif @LLM_CLUB @Recommender_Systems

🔅 QuillBot یک ابزار هوش مصنوعی است که برای بازنویسی، بهبود نگارش و خلاصه‌سازی متون استفاده می‌شود. این ابزار قابلیت اصلاح گرامر، بهبود سبک نگارش، و ایجاد نسخه‌های مختلف از یک متن را دارد که برای پژوهشگران بسیار کاربردی است. در مقاله‌نویسی، QuillBot می‌تواند به بازنویسی پاراگراف‌ها، بهبود وضوح و روانی جملات، و ساده‌سازی متون علمی پیچیده کمک کند، بدون اینکه معنا یا مفهوم اصلی متن تغییر کند. همچنین، این ابزار در جلوگیری از سرقت ادبی و تولید متون منحصربه‌فرد نقش موثری دارد. #Research_Tools #Tools #Research #ResearchTools #AI_Tools #AiTools #Best #BestTools #Best_Tools #ArtificialIntelligence #Artificial_Intelligence #AI @Recommender_Systems

🔅 هوش مصنوعی مدیریت منابع، مراجع و رفرنس‌ها برای سازمان‌دهی، ذخیره و استناددهی منابع علمی و پیشنهاد منابع مرتبط و خودکارسازی استنادها. این ابزار با Google Docs، BibTeX و LaTeX یکپارچه شده و امکان ذخیره مقالات در فضای ابری را فراهم می‌سازد. 🔅 هوش مصنوعی است برای خلاصه کردن یک کتاب یا مقاله و گرفتن نقشه ذهنی و درخت محتوا از مطالب آن محتوا 🔅پلتفرمی پیشرفته برای جستجوی سریع سؤالات علمی 🔅ابزاری آنلاین برای نگارش، ویرایش و فرمت‌دهی مقالات و پایان‌نامه‌ها 🔅نرم‌افزاری قدرتمند برای مدیریت منابع علمی، سازمان‌دهی تحقیقات و همگام‌سازی مقالات در دستگاه‌های مختلف 🔅ابزاری مبتنی بر هوش مصنوعی و پردازش زبان طبیعی که به بهبود نگارش متون علمی، مقالات پژوهشی و پایان‌نامه‌ها از نظر گرامر، واژگان و سبک نوشتاری کمک می‌کند 🔅ابزاری برای ارزیابی کیفیت و اعتبار مقالات علمی از طریق تحلیل استنادها و ارائه استنادات هوشمند، به پژوهشگران در بررسی صحت ادعاهای علمی کمک می‌کند 🔅پلتفرمی برای کشف مقالات مرتبط و پیگیری تحقیقات در موضوعات خاص، با امکان ایجاد مجموعه‌های مقالات و همکاری با سایر پژوهشگران 🔅دستیار پژوهشی مبتنی بر هوش مصنوعی که به طراحی و انجام تحقیقات کیفی، تجزیه و تحلیل داده‌های متنی و استخراج الگوهای کلیدی کمک می‌کند 🔅دستیار پژوهشی که با دسترسی به مقالات علمی، امکان دسته‌بندی، خلاصه‌نویسی و پاسخ به سؤالات پژوهشگران را فراهم می‌کند #هوش_مصنوعی #پژوهش #ابزار #ابزار_پژوهش ▫️بهترین ابزارهای هوش مصنوعی برای تسهیل وظایف روزانه ▫️120 ابزار هوش مصنوعی ▫️ابزارهای هوش مصنوعی برای یادگیری و بهبود و افزایش مهارت های زبان انگلیسی ▫️بهترین های هوش مصنوعی برای پژوهشگران ▫️AI-powered tools ▫️ Find 1000+ AI tools ▫️All PDF Tools ▫️The AI tool cheat sheet that covers everything from text to design ▫️Best AI Tools For Research Paper Writing 2024 #Research_Tools #Tools #Research #ResearchTools #AI_Tools #AiTools #Best #BestTools #Best_Tools #ArtificialIntelligence #Artificial_Intelligence #AI @Recommender_Systems