سیدسبحان مکی - کارشناسی ارشد علوم کامپیوتر، دانشگاه تربیت مدرس، تهران
منصور رزقی - استادیار گروه علوم کامپیوتر، دانشگاه تربیت مدرس، تهران

امروزه پالایش مشارکتی در سیستم های پیشنهاددهنده گسترده ترین رویکرد موفق بوده است که در سال های اخیر توجه زیادی را به خود جلب کرده است.یک سیستم پیشنهاددهنده مبتنی بر پالایش مشارکتی به صورت صریح و یا ضمنی یک کاربر را با گروهی از کاربران همفکر آن بر اساس ترجیحات فردی آنها روی همه آیتمها مرتب میسازد و سپس آن دسته از آیتمهای مشاهده نشده توسط کاربر را که مورد پسند گروه باشد به او توصیه میکند. درحالیکه دو کاربر در یک زیرمجموعه آیتم با سلیقه های مشابه می توانند سلیقه های کاملا متفاوتی در زیرمجموعه دیگری داشته باشند. به عبارت دیگر تعداد زیادی زیرگروه در ماتریس امتیازات کاربر-کالا وجود دارد که هر کدام شامل یک زیرمجموعه از آیتمها و یک گروه از کاربران همفکر روی این آیتمها میشود. منطقی تر است که این پیش بینی توسط زیرگروه یا زیرگروه های همبسته کاربر انجام شود تا اینکه توسط کل ماتریس کاربر-کالا انجام شود. مهمترین مسیله بعد از بدست آوردن زیرگروه ها و پیش بینی امتیازات زیرگروه ها نحوه ادغام این امتیازات بدست آمده می باشد. در این پژوهش رویکرد جدیدی برای ادغام امتیازات به منظور رفع چالش های موجود و بهبود دقت پیش بینی امتیازات ارایه نمودیم. آزمایشات سیستماتیک در مجموعه دادهMovielens اثربخشی روش پیشنهادی را نشان میدهد

پالایش مشارکتی، سیستم پیشنهاددهنده، زیرگروه های کاربر-کالا، مدل خوشه بندی، خوشه بندی فازی