سیستم توصیه گر صنعت گردشگری مبتنی بر خوشه بندی و طبقه بندی چندتایی

در این پژوهش به ارائه مدلی جدید از ترکیب چندین روش در فازهای مختلف از جمله فاز کاهش ابعاد و فاز پیشبینی به ارائه سیستم توصیه گر هتل پرداخته شد. در مدل پیشبینی با روشهای خوشه بندی از جمله شبکه عصبی خودسازمانده و روش امید ریاضی از تعداد نمونه های مجموعه داده کاسته شده و با استفاده از روش آنالیز اجزاء اصلی بهترین ویژگیها انتخاب میشود .در فاز پیشبینی در مدل پیشنهادی از سه روش قدرتمند در سیستمهای توصیه گر شامل شبکه عصبی تابع پایه شعاعی، روش نزدیکترین همسایه و شبکه عصبی فازی استفاده میشود. در مدل پیشنهادی در هردو فاز کاهش ابعاد و پیشبینی از راهکار چندتایی کردن روشها که این امکان را فراهم میسازد تا از ویژگیهای همه روشها بهره برده شده، استفاده شده است. نتایج مدل پیشنهادی نشان دهنده بهبود ۲,۴ درصدی دقت پیشبینی نسبت به مدل مقاله پایه بوده است.

کلیدواژه ها:

یادگیری چندتایی ، سیستم توصیه گر ، شبکه عصبی تابع پایه شعاعی ، روش نزدیکترین همسایه ، شبکه عصبی فازی.