مینا رحیم پور - دانشجوی کارشناسی ارشد، دانشگاه بین المللی امام رضا(ع)

در دنیای امروزی با افزایش سریع حجم اطلاعات در وب به سیستمی که با دادن پیشنهادات مناسب با خواسته های یک کاربر، او را از مرور تمام آیتمها بازدارد، احساس نیاز میشود. ساخت سیستم توصیه گری با درصد خطای کم سرعتبالا در تمام شرایط به یکی از پرطرفدارترین حوزه های تحقیقاتی تبدیل شده است. با نگاشت اطلاعات تراکنشها، به یک گراف دوبخشی تعاملات کاربر-آیتم، مسیله توصیه، تبدیل به یک مسیله پیش بینی لینک در گراف میشود. برای استفاده بهینه از ساختار گراف، یک روش توصیه مبتنی بر هسته را پیشنهاد میکنیم یک هسته گراف طراحی می کنیم که میزان شباهت کاربر- آیتم را مشخص میکند. در هسته گراف، با حرکت های تصادفی، میزان شباهت بین جفت کاربر-آیتمها را محاسبه میکنیم. سپس هسته را در یک ماشین بردار پشتیبان تک کلاسه، جهت عمل توصیه استفاده میکنیم. الگوریتم ذکرشده، بر روی دیتاست MovieLens پیاده سازی شده نتایج خوبی نیز حاصل شد

یادگیری ماشین سیستم های توصیه گر، روش مبتنی بر هسته، ماشین بردار پشتیبان، میرایی زمان