رویکردهای چند بعدی با بهره گیری از اطلاعات زمینه جهت افزایش کارایی در سیستم های توصیه گر

امروزه سیستم های توصیه گر به عنوان موضوعی بسیار مهم و ضروری در بسیاری از حوزه ها از جمله توصیه محصولات، گردشگری، فیلم، کتاب، اخبار و ... محسوب می شوند. با بهره گیری از این سیستم ها، تعداد بسیار زیادی از سایت ها، محصولات خود را به مشتریان ارایه می دهند. ارایه چنین توصیه هایی، سبب می شود مصرف کنندگان تصمیم مناسبی برای انتخاب محصولات موردنظر خود، اخذ نمایند که این امر، رضایتمندی کاربران را در پی خواهد داشت. سیستم های توصیه گر، شاخه ای از سیستم های بازیابی و تطبیق اطلاعات می باشند که با شناسایی علاقه مندی ها و نیازمندی های کاربران در دستیابی به اطلاعات یا خدمات مورد نظر در میان حجم انبوهی از انتخاب ها به آن ها یاری می رسانند. امروزه سیستم های توصیه گر جدیدی ارایه شده است که در آن از رویکردهای چند بعدی ++ استفاده می شود. این رویکردها می توانند توصیه ها و پیشنهاد ها را براساس اطلاعات زمینه و کمکی علاوه بر اطلاعات خاص کاربران، ارایه دهند. این رویکردها امکان پشتیبانی از ابعاد مختلف، پروفایل های گسترده و تجمیع سلسله مراتبی پیشنهاد ها را فراهم می نمایند. در این تحقیق رویکردهای توصیه گر چند بعدی را مورد بررسی قرار می دهیم.

Keywords:

سیستم توصیه گر , توصیه گرهای چند بعدی , اطلاعات زمینه , تجمیع , تابع رتبه بندی