رویکردی نوین در طراحی و توسعه یک سیستم توصیه گر فیلم مشارکتی- تعاملی بر پایه امتیازدهی کاربران

زیر مجموعه ای از سیستم های پالاینده یا فیلترینگ اطلاعات، سیستم های توصیه گر هستند. این سامانه هایتوصیه گر، رویکردی برای مواجه با مشکلات ناشی از حجم کلان و رو به رشد اطلاعات هستند و به کاربران کمکمی کنند تا در میان حجم انبوهی از اطلاعات سریعتر و بهینه به هدف خود برسند. دقت توصیه ها یا پیشنهادهایخرید در فروشگاه اینترنتی آمازون، تماشای فیلم در شبکه ها و سرویس های چند رسانه ای مانند نت فلیکس یایوتیوب، گوش دادن به موسیقی یا آهنگ جدید در پلتفرم اسپاتیفای بسیار فراتر از حد انتظار است که این امرتنها با ایجاد و توسعه یک سیستم توصیه گر هوشمند امکان پذیر است. سیستم های توصیه گر به سه دسته کلیمشارکتی و مبتنی بر محتوا و ترکیبی تقسیم میشوند که در این پژوهش رویکردی نوین برای ایجاد یک سیستمتوصیه گر هوشمند مشارکتی-تعاملی ارائه شده است. اساس و پایه این پژوهش، نحوه امتیازدهی کاربران دیگر بهتمامی فیلم هایی است که تماشا کرده اند و از ۱ تا ۵ به این فیلمها امتیاز داده اند. در این تحقیق از یک روشآماری به نام TF-IDF برای عملیات Transformation کاراکترها به مجموعه ای از اعداد برای فهم مدل استفاده شده است. سپس بر اساس بررسی شاخص Similarity میان عبارت یا ترم جستجو شده که همان عنوان یا نامفیلم است با تمام عناوین داخل پایگاه داده، ۱۰ پیشنهاد فیلم جدید به کاربر نمایش داده می شود. اینپیشنهادات که به عنوان نتیجه با توجه به تاریخچه امتیازدهی کاربران ارائه می شوند، با دقت بسیار بالایی بهعلاقه مندی های افراد در ژانر، سال و نوع فیلم ها نزدیک است. برای ارزیابی مدل پیشنهادی در این پژوهش نیزاز دو شاخص RMSE و MAE استفاده شده است.

Keywords:

سیستم توصیه گر , یادگیری ماشین , پالایش مشارکتی , پردازش زبان های طبیعی , آمار و احتمال