مرتضی صاحب - گروه کامپیوتر، پردیس علوم و تحقیقات اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران. گروه کامپیوتر، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران.
مهدی صادق زاده - گروه کامپیوتر ، واحد ماهشهر، دانشگاه آزاد اسلامی، ماهشهر، ایران.

خلاصه: اینترنت اطلاعات زیادی برای کاربران فراهم کرده است و حجم عظیم اطلاعات باعث بوجود آمدن مشکل سربار اطلاعات شده است بگونه ای که سیستم های توصیه گر بعنوان راه حلی با توصیه قلم های مرتبط سعی در پیدا کردن قلم های مورد علاقه کاربران دارند. سیستم های توصیه گر به طور گسترده در کاربردهای تجارت الکترونیک استفاده می شوند. اکثر سیستم های توصیه گر قلم هایی را براساس تنظیمات پروفایل کاربری و امتیازات گذشته به کاربر خاص توصیه می کنند. رویکردهای مختلفی همچون پالایش مشارکتی و مبتنی بر محتوا برای ساخت سیستم توصیه گر استفاده می شوند. ما در این مقاله یک سیستم توصیه گر ترکیبی پیشنهاد داده ایم که روی فضای دو بعدی (کاربر- قلم ) با یک تعداد زیادی از کاربران و تعداد کمی قلم کار می کند. چارچوب پیشنهادی از قلم های محبوب و غیر محبوب کاربر خاص استفاده می کند و براساس ادغام رویکرد کاوش قوانین انجمنی فازی بهمراه رویکرد مبتنی بر پالایش مشارکتی ساخته شده است. نتایج آزمایشات نشان می دهد که چارچوب پیشنهادی 90.06 % پیشنهادات دقیق تری به کاربر نسبت به الگوریتم [ 1] ارایه می دهد و با 30 % پشتیبان و 80 % اطمینان الگوریتم اپریوری فازی پیشنهادی قادر به تولید 18544 قانون انجمنی می باشد که در مقایسه با 66 قانون انجمنی اپریوری شاهد بهبود در تعداد، کیفیت توصیه براساس معیارهای ارزیابی پشتیبان و اطمینان هستیم. الگوریتم اپریوری فازی پیشنهادی قادر به تولید 124 قانون انجمنی با 100 % اطمینان می باشد بگونه ای که اپریوری نمی تواند هیچ قانون انجمنی با 100 % اطمینان بر روی مجموعه داده MovieLense تولید کند.

سیستم های توصیه گر، پالایش مشارکتی ، کاوش قوانین انجمنی فازی، اپریوری