بکارگیری از الگوریتم Genetic K-means در فرآیند توصیه فیلترینگ همکارانه مبتنی بر کاربر

امروزه، کاربران در سراسر دنیا به عنوان انتخاب ها سروکار دارند. انتخاب از میان فیلم ها، آهنگ ها و هر آیتمی که موردنیاز آنها باشد. سیستم های توصیه گر به آنها کمک می کنند تا بتوانند در کوتاه ترین زمان، بهترین آیتم مورد علاقه خود را پیدا کنند. فیلترینگ همکارانه یکی از موفق ترین تکنیک های توصیه است. پایه واساس این تکنیک بر این فرض است که آدم هایی که برای چند آیتم نظر مشابهی دارند، روی ایتم های دیگر نیز هم نظرند. برای توصیه از روش فیلترینگ همکارانه عموما از روش های خوشه بندی استفاده می شود. در این مقاله تلاش کردیم از بین روش هایی موجود سیستم های توصیه گر، روش فیلتر همکارانه مورد بررسی و استفاده قرار گرفته است. هدف اصلی ما ارائه مدلی جهت حل چالش خلوت بودن داده ها در سیستم های توصیه گر می باشد که یکی از مهم ترین چالش های کنونی می باشد در این مقاله از روش الگوریتم Genetic K-means استفاده شده است و همچنین برای مقایسه، روش پیشنهادی با روش خوشه بندی توسط شبکه عصبی خودسازمانده مورد بررسی قرار گرفته است براساس معیارهای صحت و بازخوانی روش پیشنهادی مورد تحلیل و بررسی قرار می گیرد.

Keywords:

سیستم های توصیه گر , الگوریتم ژنتیک , ضریب همکارانه پیرسون , خوشه بندی , فیلترینگ همکارانه , شبکه عصبی خودسازمانده