میزان دقت و پیش بینی در سیستم های توصیه کننده فیلم مبتنی بر داده کاوی با استفاده از تیوری بیزین

رشد بی سابقه تکنولوژی ها و اطلاعات در سال های اخیر باعث ایجاد برنامه های کاربردی بسیار زیاد در زمینه هایمتفاوت شده است. یکی از مهمترین برنامه ها سیستم توصیه کننده می باشد. سیستم های توصیه کننده، سیستم هایموثر در راهنمایی و هدایت کاربران در میان در حجم عظیمی از انتخاب های ممکن برای رسیدن به گزینه مفید ومورد علاقه هستند. سیستم های توصیه کننده با هدف تسهیل و یاری رساندن به کاربران در زمینه انتخاب و یافتنکالای مورد نیاز ایشان با استفاده از علوم و روش های مبتنی بر داده کاوی اطلاعات، ایجاد و توسعه یافته اند. دادهکاوی یکی از مهمترین روشهایی است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناختهمی شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی درامور گرفته شود. در این مقاله با استفاده از الگوریتم های داده کاوی و انواع دسته بندی ها برای پیش بینی و میزاندقت در سیستم های توصیه کننده فیلم استفاده شده است. یکی از دسته بندی ها تیوری بیزین می باشد که در اینپژوهش استفاده شده است و برای نشان دادن کارایی بهتر آن، آن را با دسته بندی های دیگر مقایسه کردیم. تیوریبیزین از بین دسته بندی های درخت تصمیم، نزدیکترین همسایه، شبکه عصبی چدلایه و ماشین بردار پشتیبانبیشترین دقت که برابر با 61.68 است، را نشان داد.

Keywords:

داده کاوی , سیستم های توصیه کننده , دسته بندی , قانون بیزین , نزدیکترین همسایه