استفاده از سیستم های توصیه گر در پرتال های وب جهت افزایش آمار بازدید کاربران

دردنیای پر رقابت امروز، بدلیل پیشرفت سریع تکنولوژی، اینترنت و افزایش تجارت الکترونیک وجود مکانیزمی که بتواند نیازها و خواسته های کاربران را پیش بینی کند، می تواند سبب پیشی گرفتن ما از رقبا گردد. ازطرفی در پرتال های وب با حجم انبوهی از اطلاعات روبرو هستیم که بعضا نامتجانس و نامرتبط با هم می باشند و اگر راهبرد مناسبی برای دسته بندی و ارائه این اطلاعات به کاربران وجود نداشته باشد، این امر می تواند سبب سردرگمی آنها در یافتن اطلاعات مناسب گردد. لذا از مهم ترین چالش ها، یافتن مناسب ترین اطلاعات جهت ارائه به کاربران می باشد. چگونگی این ارائه، به حوزه ی سیستم های توصیه گر مرتبط می شود. سیستم های توصیه گر در پیدا کردن و انتخاب نمودن اطلاعاتی مطابق با سلایق و نیاز کاربران به آنها کمک می کند. امروزه سیستم های توصیه گر به مردم کمک می کنند تا از داده های عظیم مورد استفاده (مانند فیلم، موسیقی، کتاب و...) استفاده کنند. متاسفانه درحالت عمومی این سیستم ها در پرتال های وب کمتر دیده می شوند. مسلما به کارگیری این نوع سیستم ها در پرتال های وب پیشرفت های مناسبی را برای کاربران به همراه خواهد داشت. در این پژوهش از مجموعه داده MovieLens20m استفاده شده است که شامل امتیاز و برچسب های کاربران به فیلم ها است. در این پژوهش برای یافتن فیلم های مورد نظر به منظور پیشنهاد به کاربر از امتیاز کاربران و ارتباط بین فیلم ها براساس امتیازدهی استفاده شده است، از طرفی از برچسب هایی که کاربران برای فیلم ها در نظر گرفته اند هم برای استخراج فیلم ها استفاده شده است. در نهایت ترکیبی از این دو دسته به کاربر پیشنهاد داده می شود.

Keywords:

سیستم توصیه گر , پرتال های وب , بازدید کاربران MovieLens