طاهره معینی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد زنجان، ابهر، ایران
مهدی افضلی - استادیار دانشگاه آزاد اسلامی واحد زنجان، گروه مهندسی فناوری اطلاعات، زنجان، ایران
علی علی جماعت - عضو هیئت علمی دانشگاه آزاد اسلامی واحد ابهر، گروه مهندسی کامپیوتر، ابهر، ایران

جستجو برای خرید کالا در سایت های شبکه های اجتماعی اغلب برای کاربران کار وقت گیری است. سیستم های تجارت الکترونیک سعی کرده اند به منظور کمک به مشتریان در تصمیم گ یری انتخاب کالا، سیستم های پیشنهاد د هنده را معرفی کنند. سیستم های پیشنهاد دهنده، پیشنهادهای شخصی شده را بر اساس تاریخچه خرید مشتریان و علایق آنها فراهم می کند. برای پیاده سازی یک سیستم پیشنهاد دهنده، استفده از روش فیلترینگ تعاونی متداول است. در این روش پیشنهادهای کاربرانی که علایق آنها به ما نزدیک است در نظر گرفته می شود. با توجه به اینکه تصمیمات خرید معمولاً تحت تأثیر نظرات افرادی است که آنها را می شناسیم یا به آنها اعتماد داریم در این مقاله ما روشی را ارائه داده ایم که با استفاده از الگوریتم تشخیص انجمن ها در شبکه های اجتماعی، کاربرانی که بیشتر با یکدیگر تعامل دارند را خوشه بندی نموده و از خوشه های ایجاد شده در بهبود عملکرد سیستم پیشنهاد دهنده استفده کنیم. با استفاده از مجموعه داده Epinion روش خوشه بندی پیشنهادی و روش فیلترینگ تعاونی پیاده سازی شده و نتایج آنها با یکدیگر مقایسه شده است. نتایج حاصل از آزمونها بیانگر آن است که در نظر گرفتن خوشه های ناشی از تعامل اجتماعی افراد در شبکه اجتماعی در بهبود صحت سیستم پیشنهاد دهنده مؤثر است.

سیستم های پیشنهاد دهنده، فیلترینگ تعاونی، تشخیص انجمن ها، خوشه بندی، شبکه های اجتماعی