مدل پیشنهادی هوشمند فازی-FIRMACA با استفاده از الگوریتم خوشه بندی مورچه ای برای شبکه های اجتماعی

میزان خطا، پارامتری چالش برانگیز است که برای سیستم های پیشنهادگری که در آن ها حرکت زیاد آیتم در میان خوشه های داده وجود دارد، باید بررسی شود. در برنامه های شبکه های اجتماعی، معمولا تهیه پیشنهادهای مناسب کاربر در مواردی که تکنیک های خوشه بندی مورچه ای بهترین راه حل ها را برای مشکلات خوشه بندی ارائه می دهد، ضروری است. بااین حال، الگوریتم های خوشه بندی مورچه ای موجود، در جستجوی محلی ناکارآمد هستند. همچنین آن ها برای تقسیم بندی خوشه ای موثر به اصلاح قوانین فازی هوشمند نیاز دارند. بنابراین در این مقاله که در آن ترکیبی از مباحث مرتبط با دستیابی به نکات جدید و قوانین فازی برای خوشه بندی مورچه ای وجود دارد، یک مدل جدید با نام مدل پیشنهادی هوشمند فازی با استفاده از الگوریتم خوشه بندی مورچه ای (FIRMACA) ارائه شده است. تجزیه وتحلیل های تجربی، بهبود معیار دقت، یادآوری، سود تجمعی نرمال (NDCG) (۵% ≤)) و کاهش قابل توجه (%۱ ≤)) در میزان خطای طبقه بندی نادرست (MER) در مقایسه با الگوریتم های مبتنی بر ACO را نشان می دهد. خوشه های انتخاب شده به صورت کلی و محلی برای استخراج بهترین خوشه های تعریف شده جدید، بهینه شده اند.

Keywords:

خوشه بندی مورچه ای فازی , بهینه سازی جستجوی محلی فازی , تراکم فرومون , امتیاز پیشنهادی , ماتریس دنباله فرومون