بهنام حیدری - دانشگاه آزاد اسلامی واحد شیراز، گروه مهندسی کامپوتر، شیراز، ایران
الهام پروین نیا - دانشگاه آزاد اسلامی واحد شیراز، گروه مهندسی کامپیوتر، شیراز، ایران

سیستم های پیشنهاد دهنده در زمینه های مختلفی از جمله فیلم، موزیک، شبکه های اجتماعی و غیره مورد استفاده قرار می گیرند. هدف این سیستم ها ارایه پینهادات جذاب به کاربران با توجه به عملکردشان در سیستم است. محبوبترین سیستم های پیشنهاد دهنده مدلهای محتوا محور و فیلترینگ مشارکتی است. روش مشارکتی از دو مشکل عمده رنج می برد: مشکل اول شروع سرد کاربران است و مشکل دوم نیز مسیله اعتماد کاربران وفادار است. در این مقاله با ترکیب روش محتوا محور و فیلترینگ مشارکتی به صورت بوستینگ یک سیستم توصیه گر طراحی شده است که علاوه بر حل مشکل شروع سرد، مسیله اعتماد و در نظر گرفتن کاربران وفادار را نیز پوشش می دهد. روش پیشنهادی شامل سه مرحله می باشد: (1) خوشه بندی اوله کلیه کاربران و تعیین خوشه مناسب به کاربر جدید(2) تعیین وزن مناسب برای هر کدام از ویژگی های کاربران خوشه مرود نظر تعیین همسایگان نزدیک کاربر جدید(3) تشکیل ماتریس مجاورتی امتیازات همسایگان نزدیک به فیلم های موجود و محاسبه امتیاز کاربر جدید به هر فیلم. روش ارایه شده به منظور خوشه بندی اولیه از قابلیت سیستم های محتوا محور با توجه به اطلاعات دموگرافیک کاربران استفاده می نماید. نتایج بدست آمده نشان می دهد که میانگین خطای واقعی و مجوز مربع میانگین روش پیشنهادی نسبت به روشهای نایوبیز، [عینا همانند مقاله] در حدود 8.4% بهبود داشته است.

سیستم پیشنهاد دهنده، چالش شروع سرد، بوستینگ، معیار شباهت ترکیب