عطیه شبان - دانشجوی ارشد الگوریتم و محاسبات، دانشکده علوم مهندسی، دانشکدگان فنی، دانشگاه تهران
روح اله عابدیان - استادیار، دانشکده علوم مهندسی، دانشکدگان فنی، دانشگاه تهران
سیدمحمود طاهری - استاد تمام، دانشکده علوم مهندسی، دانشکدگان فنی، دانشگاه تهران

هدف از این تحقیق، شرح روشی در جهت بهبود دقت سامانه های توصیه گر برای پیش بینی ترجیحات کاربران با استفاده از رویکرد اصلاح خطای آموزشی دوگانه (کاربر و مورد) است. در ابتدا از یک سامانه توصیه گر برای ارائه توصیه هایی برای کاربران و موارد استفاده می شود. در مرحله دوم، پس از اجرای اولیه سامانه توصیه گر، با در نظر گرفتن خطا در مجموعه آموزشی بین کاربران، مورد ها و شباهت آن ها، پیش بینی های به دست آمده از سیستم توصیه گر بهبود داده می شود. این اصلاحات از هر دو دیدگاه کاربر و مورد انجام شدنی است. درنهایت سامانه تصحیح دوگانه به طور موثر، هر دو اصلاح را ترکیب می کند. این روش مدلی را محاسبه می کند که خطای توصیه را در مجموعه آموزشی صفر خواهد کرد، سپس آن را روی مجموعه آزمایشی اعمال می کند تا پیش بینی های رتبه بندی برای اولویت های کاربران را بهبود بخشد و به این ترتیب باعث افزایش دقت توصیه ها شود. نتایج تجربی به دست آمده از این تحقیق، کارا بودن این مدل را در چهار مجموعه داده شناخته شده نشان می دهد.

سامانه توصیه گر، پالایش گروهی، بهینه سازی، مختصات مصنوعی، آموزش دوگانه.