ارائه یک سیستم توصیه گربهینه گردشگری بر اساس الگوریتم ترکیبی

در سالهای اخیر استفاده از سیستمهای پیشنهاد دهنده بسیار متداول شده است. چالشهای موجود در داده های این سیستمها پژوهش را برای ارائه الگوریتم های با دقت پیشنهادی بالا جذاب کرده است. سیستم پیشنهاد دهنده، ابزارهای نرم افزاری و تکنیکهایی هستند که طی یک فرآیند تصمیم گیری ، پیش بینی میکنند کدام آیتم به کاربر پیشنهاد شود که به سلایق او نزدیکتر باشد. سیستم پیشنهاد دهنده ( توصیه گر)، یک سیستم اکتشافی است که به عنوان مشاور، در مورد برخی اطلاعات مفید به کاربران خود مشاوره میدهد. پژوهش حاضر بر اساس جستوجو و جمع آوری داده های مرتبط و مقالات موجود در مجله های تخصصی با بررسی و پیدا کردن نقاط ضعف در پژوهشهای انجام شده و جمع بندی و ارائه راهکار جدید برای رسیدن به نتیجهی مطلوب در صنعت گردشگری انجام شده است. مزیت اصلی روش ارائه شده یکپارچه کردن محبوبیت محصولی، شباهت کاربر و شباهت ویژگی به صورت یک مدل یکتا است که باعث بهبود عملکرد سیستم توصیه گر می شود. در روش پیشنهادی، بصورت ترکیبی مبتنی بر سه الگوریتم پالایش مشارکتی، مبتنی بر دانش و مبتنی بر محتوا می باشد. پس از ترکیب این روشها برای کاهش مقیاس پذیری و بهبود جست و جو در رتبه های کاربران از الگوریتم خوشه بندی فازی بهبود یافته والگوریتم خفاش استفاده شده است. نتایج نشان میدهد که روش پیشنهادی نسبت به سایر روشها، عملکرد بهتری از لحاظ دقت و خطا دارد.

Keywords:

سیستم توصیه گر , الگوریتم خوشه بندی فازی , الگوریتم خفاش , الگوریتم پالایش مشارکتی , الگوریتم مبتنی بر دانش , الگوریتم مبتنی بر محتوا