مهتاب مشکی زاده - کارشناسی ارشد، گروه مهندسی کامپیوتر، موسسه غیرانتفاعی کارون، اهواز، ایران
رضوان محمدرضایی لرکی - عضو هیات علمی گروه مهندسی کامپیوتر، موسسه غیرانتفاعی کارون، اهواز، ایران

فیلم ها یکی از منابع سرگرمی هستند، اما یکی از مشکلات در مورد فیلم ها، یافتن محتوای مطلوب از میان میلیون ها محتوای سالانه است. سیستم های توصیه گر در راستای حل این مشکل بسیار مفید هستند. اگرچه از انواع روش ها برای پیاده سازی سیستم توصیه گر استفاده می شود، روش پالایش مشارکتی یکی از محبوب ترین آن هاست که ورودی را از کاربران می گیرد، رفتار گذشته آها را بررسی می کند و لیستی از فیلم های مورد علاقه کاربر هدف را پیشنهاد می دهد. با این حال سیستم های توصیه گرد دارای چالش ها و مشکلات خاص خود هستند. از مهمترین چالش ها در سیستم های توصیه گر فیلم، مشکل شروع سرد و پراکندگی داده ها است. در این مقاله یک روش توصیه فیلم ترکیبی با استفاده از برچسب ها و رتبه بندی ها ارائه می گردد که هدف آن بهبود دقت و عملکرد سیستم توصیه گر فیلم است. برای اثبات اثربخشی روش پیشنهادی از ترکیب روش های پالایش مشارکتی مبتنی بر کاربر و پالایش مشارکتی مبتنی بر آیتم به همراه ماتریس رتبه بندی کاربر استفاده شده که منجر به افزایش دقت نتایج در مقایسه با تعدادی از روش های مشابه شده است. طبق ارزیابی های انجام شده، معیار دقت، فراخوانی و میانگین مطلق خطا روش پیشنهادی نسبت به تعدادی از روش های قابل قبول ارائه شده در این زمینه، بهبود یافته و به کمک این روش مشکلات شروع سرد و پراکندگی داده ها تا حدودی کاهش یافته است.

سیستم توصیه گر فیلم، پالایش مشارکتی مبتنی بر کاربر، پالایش مشارکتی مبتنی بر آیتم، ماتریس رتبه بندی کاربر- آیتم، برچسب گذاری