مرتضی قربانی مقدم - دانشجوی دکتری علوم کامپیوتر دانشگاه پوترامالزی، کوالالامپور
انوشه الهیان - کارشناس ارشد تجارت الکترونیک، دانشکده آموزش های الکترونیک دانشگاه شیراز، شیراز

با گسترش اینترنت، اگرچه دسترسی به اطلاعات آسان تر شده است، لیکن با توجه به حجم زیاد اطلاعات، نیازمند ا ستفاده از تکنیک های جدید مدیریت دانش هستیم تا بتوانیم اطلاعات مطلوب را در سریع ترین زمان و با بیشترین دقت ممکن بیابیم. از این رو سیستم های توصیه کننده برای حل این مشکل پیشنهاد گردیده اند. اگرچه روش های مختلفی برای این منظور ارائه گردیده اند لیکن موفق ترین روش توصیه گر، مربوط به تکنیک های فیلترسازی همکاری می باشد. در این تکنیک، از سابقه عملکرد پیشین کاربران به منظور پیشنهاد دهی استفاده می شود. برای این منظور شبیه ترین افراد به کاربر موردنظر، بر اساس عملکرد مشترک آنها در گ ذشته، شناسایی شده و از نظرات آنها برای تخمین علاقه کارر مورد نظر به آیتم های جدید استفاده می شود. یکی از مهمترین بخش ها در این تکنیک، محاسبه شباهت کاربران با آیتم ها با هم می باشد. نتیجه شباهت محاسبه شده، تأثیر مستقیم بر روی دقت توصیه های تولید شده توسط سیستم دارد. از این رو تاکنون مدل های متعدید برای محاسبه شباهت معرفی شده اند که هر یک دارای نقاط ضعف و قدرت هستند. در این مقاله سعی می کنیم ضمن بررسی تقسیم بندی این مدلها، عامل مؤثر در کارایی هر یک را شناسایی نماییم. نتایج این تحقیق می تواند به منظور پیشنهاد مدل های کارآمدتر مورد استفاده قرار گیرد.

مدل های محاسبه شباهت، فیلترسازی همکاری، سیستم های پیشنهاد دهنده