بهبود عملکرد و نتایج سیستم توصیه گر پالایش مشارکتی با استفاده از الگوریتم بهینه ساز گرگ خاکستری فازی غنی شده با الگوریتم بهینه سازی شیر
Publish place: Industrial Management Perspective، Vol: 11، Issue: 4
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 173
This Paper With 27 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_INDU-11-4_008
تاریخ نمایه سازی: 28 فروردین 1401
Abstract:
امروزه سیستم توصیه گر، روش پالایش اطلاعات بین وب سایت ها و کاربران را به منظور شناسایی علاقه کاربر و ایجاد محصول پیشنهادی برای کاربران فعال تغییر داده است. سیستم های توصیه گر را به طورکلی به سه گروه مبتنی بر محتوا، مبتنی بر دانش و مبتنی بر پالایش مشارکتی و در بعضی موارد ترکیبی تقسیم می کنند. ایده اصلی پالایش مشارکتی این است که اگر کاربران علایق مشابه یا یکسان در گذشته داشته باشند و آن را به اشتراک بگذارند، در آینده نیز احتمالا سلیقه های مشابه خواهند داشت. این رویکرد نیاز به هیچ دانشی در مورد آیتم ها ندارد. پالایش مشارکتی نیز دارای دو نوع اصلی مبتنی بر حافظه و مبتنی بر مدل است. روش مبتنی بر حافظه از اطلاعات امتیازدهی کاربران برای محاسبه شباهت بین کاربران یا آیتم ها استفاده می کند. هدف اصلی این پژوهش نیز ارائه یک سیستم پیشنهاددهنده مبتنی بر حافظه برای بهبود نتایج الگوریتم پالایش مشارکتی است. در روش پیشنهادی برای یافتن شبیه ترین کاربران به کاربر هدف از ترکیب دو الگوریتم گرگ خاکستری فازی و الگوریتم شیر استفاده شده است. نتایج اجرای روش پیشنهادی نشان می دهد که پارامترهای Precision، Recall و F-measure نسبت به روش های پایه افزایش یافته اند.
Keywords:
سیستم های توصیه گر , پالایش مشارکتی , الگوریتم های فراابتکاری , الگوریتم بهینه سازی گرگ خاکستری , الگوریتم بهینه سازی شیر
Authors
زهرا نخعی راد
دانشجوی دکتری مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران،ایران.
حسام زندحسامی
استادیار، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران،ایران.
عباس طلوعی اشلقی
استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :