سامانه توصیه گر ترکیبی فیلم مبتنی بر خوشه بندی و محبوبیت

امروزه باتوجه به حجم روزافزون داده و اطلاعات در فضای مجازی، نیاز به سیستم هایی که توانایی هدایت کاربران به سمت کالا و سرویس های مورد نظر خود را داشته باشند، بیش از پیش احساس می شود. سیستم های توصیه گر، سیستم های هوشمندی هستند که در سامانه های اینترنتی مانند خرید های برخط با شناسایی علایق و اولویت های کاربران، اطلاعات موجود را پالایش کرده و پیشنهادات مناسب را به آنها ارائه می کنند. هدف این مقاله ارائه یک سیستم توصیه گر ترکیبی می باشد که براساس فیلم هایی که قبلا توسط کاربر مشاهده شده است، سلیقه کاربر را پیش بینی و بر اساس آن فیلم هایی را به او پیشنهاد می دهد. این سیستم برای پیش بینی و پیشنهاد فیلم ها به کاربر فعال، در ابتدا عملیات خوشه بندی را توسط الگوریتم K-Means برای کاربران انجام داده و با استفاده از مدل پالایش همکارانه، میزان علاقه کاربر فعال را براساس میزان محبوبیت امتیازات دیگر کاربران، نسبت به فیلم های مشاهده نشده، پیش بینی و لیستی از پیشنهادات را مهیا می سازد. سیستم پیشنهادی با استفاده از عملیات خوشه بندی مشکل مقیاس پذیری و خلوتی ماتریس امتیازدهی کاربر-قلم را حل نموده و سبب افزایش دقت پیشنهادات می گردد. ارزیابی سیستم بر روی مجموعه داده MovieLens با استفاده از معیار MAE محاسبه شده است. نتایج نشانگر کارایی سیستم می باشد.

Keywords:

سیستم های توصیه گر , خوشه بندی , K-Means , MAE , پالایش همکارانه