نسرین مرادی مقدم - دانشگاه آزاد اسلامی، واحد کرمانشاه، گروه مهندسی فناوری اطلاعات، کرمانشاه، ایران.
سمیه محمدی - دانشگاه آزاد اسلامی، واحد قصرشیرین، گروه مهندسی کامپیوتر، قصرشیرین، ایران.

در این مقاله، یک سیستم پیشنهادگر به کمک الگوریتم شبکه عصبی GMDH جهت پیشنهاد فیلم به کاربران پیشنهاد می گردد. مدل پیشنهادی مبتنی بر کشف اعتماد ضمنی و اعتماد به رأی کاربران فعال است. شبکه عصبی GMDH به سبب استفاده از الگوریتم تکاملی ژنتیک در طراحی بهینه ساختار شبکه، سرعت یادگیری بالایی حتی در شرایطی که تعداد نمونه های آموزشی کم باشد ارائه می دهد. از طرفی، در مدل پیشنهادی، از نظرات تعداد محدودی کاربر فعال (تعداد کم نمونه های آموزشی) اقدام به پیش بینی رأی کاربر جدید می شود. از این رو، استفاده از شبکه عصبی GMDH در ساخت مدل پیشنهادی یک انتخاب مناسب بوده است . برای طراحی و پیاده سازی مدل پیشنهادی از نرم افزار GEvoM استفاده شده است. نتایج شبیه سازی نشان داد مدل پیشنهادی با دقت 76%، و میانگین خطای مطلق 0.273 کارایی برتری نسبت به دیگر الگوریتم ها نظیر شبکه عصبی پرسپترن چندلایه، شبکه بیزین، درخت تصمیم و جنگل تصادفی ارائه می دهد.

سیستم پیشنهاد گر، فیلم، شبکه عصبی، GMDH