زهرا ناصری خواه - دانشجوی کارشناسی ارشد کامپیوتر
طالب خفایی - استاد دانشگاه آزاد اسلامی واحد بوشهررشته کامپیوتر
مهدی صادق زاده - استاد دانشگاه آزاد اسلامی واحد بوشهررشته کامپیوتر

هدف سیستم های توصیه گر، توصیه آیتم های مرتبط با کاربران از میان تعداد زیادی آیتم موجود است. این سیستم ها، با موفقیت در صنایع مختلف، مانند تجارت الکترونیک، آموزش و پرورش و سلامت دیجیتال، بکار گرفته شده اند. از سوی دیگر، روش های خوشه بندی می توانند به سیستم های توصیه گر در گروه بندی کاربران به خوشه های مناسب، که به عنوان همسایه در فرآیند پیش بینی در نظر گرفته می شوند، کمک کنند. اگرچه این حقیقت دارد که اولویت ها و ذائقه های کاربران در گذر زمان تغییر می کند، اما روش های خوشه بندی سنتی نمی توانند این عامل مهم را مورد ملاحظه قرار دهند. برای پرداختن به این مسئله، یک سیستم توصیه گر اجتماعی در این مقاله پیشنهاد شده است که براساس روش خوشه بندی زمانی است. مخصوصا اینکه، اطلاعات زمانی نمره های ارائه شده توسط کاربران در مورد آیتم ها و همچنین اجتماعی در میان کاربران در روش پیشنهادی، مورد ملاحظه قرار می گیرند. نتایج تجربی در مورد یک مجموعه داده مبنا، نشان می دهند که کیفیت توصیه ها براساس روش پیشنهادی به میزان قابل توجهی بیشتر از روش های نوین از نظر هر دو معیارهای دقت و پوشش می باشد.نتایج تجربی در یک مجموعه داده شناخته شده بانام Epinions یا همان دیتاست استانداردنشان می دهد که کیفیت توصیه ها بر اساس روش پیشنهادی و استفاده از الگوریتم بهینه سازی ملخ در ساختار آن از نظر دقت و اندازه گیری به طور قابل توجهی بالاتر از روش های پیشرفته است.

سیستم پیشنهادی ، خوشه بندی ، اطلاعات اجتماعی ، الگوریتم بهینه سازی ملخ