ستاره بهربر - دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه غیرانتفاعی ابرار، تهران، ایران
سیدامیر اصغری - استادیار گروه مهندسی کامپیوتر، دانشگاه خوارزمی، تهران، ایران
هدیه خیرخواه صداپشته - دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه غیرانتفاعی ابرار، تهران، ایران

با توجه به افزایش حجم اطلاعات سیستم های آنلاین و همچنین زمان بر بودن انتخاب آیتم های خاص توسط کاربران از میان تعداد انبوه آن ها، نیاز به وجود سیستم های پیشنهاد دهنده جهت تسریع در کارایی، افزایش رضایتمندی و استقبال کاربران و در نتیجه افزایش درآمد برای سیستم های مربوطه به وضوح احساس می شود. از مهم ترین موضوعات در سیستم های پیشنهاددهنده، پیش بینی های دقیق است لذا در این مقاله به عنوان یک مورد مطالعه، از مجموعه داده های یک سامانه مرجع مشاهده آنلاین کلیپ و فیلم با ترکیب سه روش پیشنهادی به عنوان بهترین روش ترکیبی جهت کاهش معیارهای خطا و در نتیجه بهبود دقت پیش بینی ها استفاده شده است. این ترکیب در دو مرحله با استفاده از یک مکانیزم یادگیری وزن دهی هوشمند و الگوریتمLOF جهت تشخیص و حذف مقادیر پرت در بخش های مختلف، بر اساس سیستم پیشنهاد دهنده پایه UBCF پیاده سازی شده است که برای پیاده سازی سیستم پیشنهاد دهنده پایه UBCF از کتابخانه recommender lab که یک کتابخانه برای توسعه و تست الگوریتم های پبشنهاد دهنده می باشد استفاده شده است. این کتابخانه یک سیستم پیشنهاددهنده مبتنی بر همکاری(کاربر) را پیاده سازی کرده است که در نهایت با اعمال ترکیبی از تکنیک های داده کاوی، سیستم پیشنهادی ارایه شده، به میزان 0164849/0 در معیار خطای RMSE و 02209432/0 در معیار خطای MAE باعث کاهش خطا نسبت به سیستم پیشنهاددهنده پایه UBCF و در نتیجه عملکرد بهتر سیستم پیشنهادی در افزایش دقت پیش بینی ها و پیشنهاد بهترین آیتم ها به کاربران شده است.

سیستم پیشنهاد دهنده، داده کاوی، یادگیری وزن دهی هوشمند، الگوریتمLOF، UBCF