بهبود مساله شروع سرد در سیستم توصیه گر با غنی سازی چند دامنه ای

مساله شروع سرد از مهم ترین چالش ها در سیستم های توصیه گر بشمار می آید. یکی از کارآمدترین راهکارهای مقابله با این مساله، غنی سازی دانش سیستم توصیه گر از طریق بکارگیری دانش دیگر دامنه های اطلاعاتی خواهد بود. در این رابطه الگوریتم های مختلفی مانند، فاکتورسازی ماتریس و ترکیب ماتریس های رتبه دهی از طریق تکنیک های خوشه بندی ارایه شده است. اما در برخی از آنها رابطهمعنایی آیتم ها در نظر گرفته نشده و تنها به امتیازات کاربران اکتفا شده و در برخی دیگر دانش دامنه هایی که خود نیز دچار مشکل شروع سرد هستند بکار گرفته شده است. در این مقاله روشی را ارایه خواهیم داد که با بکارگیری دانش دامنه های همگنی که فاقد پراکندگی داده هستند مدل رفتاری دقیق تری را برای کاربران تولید می نماید. نتایج ارزیابی نشان می دهد مدل پیشنهادی، کارآمدتر از دیگر روش های ارایه شده در غلبه بر مساله شروع سرد می باشد

کلیدواژه ها:

شروع سرد ، چند دامنه ای ، غنی سازی دامنه ، مخزن داده ای آنلاین