طاهره قناویزی - دانشگاه آزاد اسلامی واحد فردوس مشهد، ایران
حمیدرضا غفاری - دانشگاه آزاد اسلامی واحد فردوس مشهد، ایران

امروزه با توسعه سریع اینترنت و رشد عظیم صفحات وب، بسیاری از وبسایت های الکترونیکی به منظور هدایت کاربران به محصولات مورد نیازشان، از سیستمهای پیشنهاد دهنده محصول استفاده میکنند. چنین سیستمهایی معمولا برای کاربر یک لیست از آیتم های پیشنهادی را که ممکن است کاربر آنها را ترجیح دهد فراهم می کنند. در این مقاله یک سیستم پیشنهاد دهنده محصول مبتنی بر فیلترینگ مشارکت محور ارایه شده است که از خوشهبندی ژنتیک به منظور بهبود مجموعه پیشنهادی محصولات پیشنهادی استفاده میکند. در ابتدا با استفاده از پیش پردازش به حذف داده های غیرضروری می پردازیم و امتیاز کاربران را پردازش می کنیم. سپس با استفاده از خوشه بندی ژنتیک، کاربرانی که شباهت بیشتری به یکدیگر دارند را در یک خوشه قرار میدهیم. در مرحله بعدی با استفاده از ضریب همسبتگی پیرسون و فاصله اقلیدسی به اندازه گیری شباهت کاربر تازه وارد با خوشه می پردازیم و لیستی از پیشنهادات را ارایه می کنیم. نتایج آزمایشگاهی نشان میدهد که الگوریتم پیشنهادی، در پیشنهاد صفحات به کاربران، دقت و فراخوانی بالایی دارد. این موضوع اهمیت خوشه بندی ژنتیک را نشان میدهد که امکان همپوشانی خوشه ها را فراهم میکند.

پیشنهاد دهنده محصول، خوشه بندی ژنتیک، همبستگی پیرسون، فاصله اقلیدسی