بهبود الگوریتم فیلترینگ همکارانه با بکارگیری میزان تنوع طلبی کاربران در سیستم های توصیه گر

Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 948

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ECME07_006

تاریخ نمایه سازی: 7 تیر 1399

Abstract:

سیستم های توصیه گر، بعنوان یک تکنولوژی فیلتر کننده اطلاعات اغلب توسط وب سایت های تجارت الکترونیک برای پیشنهاد کالاها و محصولاتی که موردتوجه کاربران و بازدیدکنندگان قرار خواهد گرفت استفاده می شود. معیارهای مهم الگوریتم های سیستم های توصیه گر، پیش بینی دقیق رتبه، میزان تنوع و میزان تازگی ایتم های لیست پیشنهادی می باشد اخیرا توجه به زمینه ی تنوع در یسستم های توصیه گر، افزایش زیادی یافته است. مطالعات مربوط در این زمینه اغلب به صورت کلی برای بهبود میزان تنوع کل آیتم های پیشنهادی تمامی کاربان و یا لیست پیشنهادی هر شخص به طور مجزا می باشد و توجه کمتری به شخصی سازی تنوع لیست آیتم های پیشنهادی شده است. این تحقیق سعی کرده تا معیاری برای شخصی سازی تنوع لیست آیتم های پیشنهادی شده است. این تحقیق سعی کرده تا معیاری برای شخصی سازی میزان تنوع ارائه دهد، به این معنی که با توجه به ویژگی های کاربران، برای هر کاربر یا گروهی از کاربران، درصد تاثیر میزان تنوع ودقت در لیست های پیشنهادی هر کاربر یکسان نباشد. در تمامی مطالعات گذشته تمرکز فقط بر روی افزایش دقت و یا افزایش تنوع بوده است اماتوجهی به میزان علایق شخصی به متنوع بودن لیست های پیشنهادی و یا دقت آنها نداشته اند. این پژوهش با استفاده از یکی از روش های معتبر و پرکاربرد سیستم های توصیه گر که مبتنی بر شباهت کاربران می باشد و گسترش آن به گونه ای که شباهت میزان تنوع در رای های گذشته ی کاربران با یکدیگر نیز در نظر گرفته شود، به روشی دست یافته که برای هر شخص میزان تنوع لیست پیشنهادی به وی با میزان تنوع شخصی وی متناسب باشد نتایج حاصل از آزمایش های نشان میدهند که مدل ارائه شده نه تنها معیار تنوع شخصی بهر شخص راافزایش می دهد بلکه حتی باعث افزایش میزان تنوع درون لیستی و بهبود خطای پیشنهادها می شود. همچنین مدل ارائه شده با توجه به هزینه پایین محاسباتی به سادگی قابل استفاده در کاربردهای تجاری می باشد.

Keywords:

سیستم های توصیه گر , معیار ارزیابی , فیلتر کردن همکارانه , شبکه های اجتماعی , معیارهای تنوع و تازگی , شخصی سازی

Authors

محمود رحمانی

دانشجوی ترم آخر ارشد گروه مهندسی کامپیوتر موسسه آموزش عالی پیشتازان شیراز ایران