ارایه یک سیستم پیشنهاد دهنده مبتنی بر پالایش مشارکتی با ترکیب الگوریتم های جایگذاری خطی محلی و جنگل تصادفی
Publish place: The 7th National Conference on New Technologies in Electrical, Computer and Mechanical Engineering of Iran
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 32
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
STCONF07_093
تاریخ نمایه سازی: 20 مرداد 1403
Abstract:
هدف این تحقیق ارایه یک سیستم پیشنهاد دهنده مبتنی بر پالایش مشارکتی با ترکیب الگوریتم های جایگذاری خطی محلی و جنگل تصادفی می باشد. در تحقیق پیش رو با تلفیق تکنیک فیلتر مشارکتی با یک الگوریتم اانتخاب ویژگی و همچنین با یک الگوریتم دسته بندی کننده تلاش شده است تا یک سیستم توصیه گر ایجاد شود . برای تحلیل داده های به دست آمده از کاربران، از الگوریتم جنگل تصادفی استفاده شده است . همچنین در این روش ترکیبی ما ابتدا با استفاده از الگوریتم جایگذاری خطی ویژگی های داده ها را بررسی نموده و سپس ویژگی های مناسب برای آموزش الگوریتم دسته بندی کننده را از ویژگی های موجود در مجموعه داده که همان مجموعه داده استخراج نموده و سپس با استفاده از الگوریتم جنگل تصادفی داده های مربوط به هر ویژگی انتخاب شده مورد تحلیل قرار می گیرد. با مقایسه روش پیشنهادی ما و روش پیشنهادی ۳ مقاله مذکور به این نتیجه می رسیم که روش پیشنهادی نتایج بهتری از خود نشان داده است . دلیل این بهتر بودن نتایج در دو مورد خلاصه می شود که عبارتند از: در مقالات بررسی شده اصولا از یک نوع فیلتر برای تعیین مشابهت بین فیلم ها استفاده شده است اما در روش پیشنهادی از ترکیب سه فیلتر مشارکتی ، مبتنی بر محتوا و دموگرافیک استفاده شده است این امر سبب می شود تا مشابهت به دست آمده دقیق تر بوده و در نتیجه مدل پیشبینی قدرتمندتر می شود. دلیل دوم استفاده از الگوریتم کاهش بعد الگوریتم جایگذاری خطی است . این امر سبب می شود تا تعداد ابعاد داده کاهش یافته و مدل پیش بینی ایجاد شده قدرتمندتر می شود. دلیل نتایج بهتر روش پیشنهادی نیز همین است . معیارهای اندازه گیری مستقیما با قدرت مدل ساخته شده مرتبط هستند از این رو کاهش بعد سبب افزایش معیارهای مورد بررسی می گردد. معیارهای precision، recall، fmeasure و RMSE رابطه مستقیم با خروجی نهایی مدل دسته بندی دارند. هرچقدر قدرت مدل دسته بندی بیشتر باشد، این معیارها نتایج بهتری از خود نشان می دهند. درنتیجه دلیل بهتر بودن نتایج روش پیشنهادی نسبت به روش های مقایسه در قدرت مدب دسته بندی ایجاد شده است . قدرت مدل دسته بندی نیز در روش پیشنهادی به کیفیت داده ها مربوط می شود. کیفیت داده ها در روش پیشنهادی به فیلترهای مورد استفاده که ترکیب سه فیلتر موجود است و روش کاهش بعد الگوریتم جایگذاری خطی است .
Keywords:
Authors
مریم گنجی
دانشجوی کارشناسی ارشد ناپیوسته مهندسی کامپیوتر- نرم افزار موسسه آموزش عالی کارون
رضوان محمدرضایی لرکی
استاد گروه مهندسی کامپیوتر، موسسه آموزش عالی کارون