شخصی سازی سیستم های توصیه کننده مبتنی بر مدل RFM

سیستم های توصیه کننده سیستم هایی هستند که براساس اطلاعاتی که از مشتریان دریافت می کند پیشنهادهایی را در خورآنها و مطابق با سلایق شخصی هر فرد ارائه می کنند. در این سیستم ها اطلاعات مشتریان به مرور زمان و براساس بازدید آنهااز خدمات ارائه شده بدست می آید. این سیستم ها چندین مزایا دارند از جمله: افزایش سوددهی فروش متقابل، استدلال وفاداریمشتری و ثبت نیازه ای مشتری از محصولاتی که از آنها لذت می برد.در این مقاله برای بهبود پیشنهادها در سیستم توصیه گر از پارامتر های مدل RFM و الگوریتم CF استفاده گردیده است. ابتداپیش پردازشی روی داده ها انجام گردید سپس پارامترهای RFM از داده ها استخراج شده است و با استفاده از روش هاینرمال سازی پارامتر R و F نرمال گردیده است ابتدا پارامتر F سپس پارامتر R به الگوریتم CF داده شده است در نتیجه باتوجهبه جدول ۳ معیار دقت و بازیابی روی چند نمونه از داده ها و میانگین وزنی روی ۵۰ داده تست محاسبه شده است بنابراین بااین روش در مرحله ورودی R بهبودی در پیشنهادها ارائه شده است.

Keywords:

سیستم های توصیه کننده , ارزش دوره عمر مشتری , فیلترینگ همکارگونه , فیلترینگ مبتنی بر محتوا