اعظم سمیعی - دانشجوی کارشناسی ارشد گروه کامپیوتر نرم افزار دانشگاه آزاد اسلامی واحد میبد
محمد جواد کارگر - عضو هیات علمی دانشگاه آزاد اسلامی واحد میبد گروه مهندسی کامپیوتر میبد ایران

رونق تجارت الکترونیک باعث تغییررفتارهای کسب و کارسنتی شدها ست و کاربران بطور روزافزونی تمایل به خرید اینترنتی دارند با این وجود افزایش شدید اطلاعات ارایه شده توسط شرکت های اینترنتی باعث بروز مشکل سربار اطلاعاتی شده است که دراین صورت کاهش رضایت مشتریان غیرقابل انکار خواهد بود یک راه برای مقابله بااین مشکل ایجادسیستم های توصیه گر و شخصی سازی شده است تابتوان اطلاعات محصولی رااستخراج نمود که مشتری واقعا بان علاقه مند است الگوریتم هایی دراین سیستم ها استفاده می شود که کارپالایش اطلاعات و ساخت پیشنهاد را برعهده دارد و هدف این الگوریتم ها تعیین شباهت بین کاربران یاایتم ها است این مقاله معیارهای شباهت سنتی مورداستفاده درسیستم های توصیه گر را معرفی می کند این معیارهای شباهت سنتی ارزش امتیازات کاربران به یک ایتم را یکسان درنظر میگیرند درصورتی که درواقعیت بدین شکل نیست برای رفع این مشکل استفاده ازمعیارهای شباهت وزن دار پیشنهاد میشود

الگوریتم پالایش مشارکتی ، سیستم توصیه گر ، کاربردهای سیستم توصیه گر ، معیارهای شباهت