مینا رحیم پور - دانشجوی کارشناسی ارشد، دانشگاه بین المللی امام رضا (ع)

در دنیای امروزی با افزایش سریع حجم اطلاعات در وب، به سیستمی که با دادن پیشنهادات مناسب با خواسته های یک کاربر، او را از مرور تمام آیتم ها بازدارد، احساس نیاز می شود. ساخت سیستم توصیه گری با درصد خطای کم و سرعت بالا در تمام شرایط به یکی از پرطرفدارترین حوزه های تحقیقاتی تبدیل شده است. با نگاشت اطلاعات تراکنش ها، به یک گراف دو بخشی تعاملات کاربر- آیتم، مسئله توصیه، تبدیل به یک مسئله پیش بینی لینک در گراف می شود. برای استفاده بهینه از ساختار گراف، یک روش توصیه مبتنی بر هسته را پیشنهاد می کنیم و یک هسته گراف طراحی می کنیم که میزان شباهت کاربر- آیتم را مشخص می کند. در هسته گراف، با حرکت های تصادفی، میزان شباهت بین جفت کاربر- آیتم ها را محاسبه می کنیم. و سپس هسته را در یک ماشین بردار پشتیبان تک کلاسه، جهت عمل توصیه استفاده می کنیم. الگوریتم ذکر شده بر روی دیتاست MovieLens پیاده سازی شده و نتایج خوبی نیز حاصل شد.

یادگیری ماشین، سیستم های توصیه گر، روش مبتنی بر هسته، ماشین بردار پشتیبان، میرایی زمان