یک رویکردخوشه بندی موقتی برای سامانه های توصیه گر اجتماعی

در این پژوهش، یک سیستم توصیه گر اجتماعی بر اساس رویکرد خوشه بندی زمانی مبتنی برالگوریتم بهینه سازی ملخ پیشنهاد شده است تا اثرات زمان رتبه بندی ارائه شده توسط کاربران را نیز در فرآیند بگنجاند. امروزه در بخشهای مختلفی از حوزه فناوری اطلاعات استفاده از سیستمهای توصیه گر بیش از پیش مورد توجه محققا قرار گرفته است . هدف سیستم های توصیه گر این است که از بین تعداد زیادی از گزینه های موجود، موارد مرتبط را به کاربران پیشنهاد دهد. این سیستمها با موفقیت در صنایع مختلفی مانند تجارت الکترونیک ، آموزش و بهداشت دیجیتال استفاده شده و با نتایج خوبی همراه بوده اند . از طرف دیگر ، رویکردهای خوشه بندی میتواند به سیستمهای توصیه گر کمک کند تا کاربران را در خوشه های مناسب گروه بندی کند . اگرچه این یک واقعیت است که عملکرد کاربران در طول زمان متفاوت است ، اما روشهای خوشه بندی سنتی قادر به در نظر گرفتن این عامل مهم نیستند. برای رفع این مشکل ، یک سیستم توصیه اجتماعی در این گزارش ارائه شده است که مبتنی بر یک رویکرد خوشه بندی زمانی است که از الگوریتم ملخ برای بهبود نتایج استفاده میکند و به طور خاص ، اطلاعات زمانی رتبه بندی ارائه شده توسط کاربران بر روی موارد و همچنین اطلاعات اجتماعی دربین کاربران در روش پیشنهادی در نظر گرفته شده است.نتایج تجربی در یک مجموعه داده شناخته شده بانام Epinions یا همان دیتاست استانداردنشان می دهد که کیفیت توصیه ها بر اساس روش پیشنهادی و استفاده از الگوریتم بهینه سازی ملخ در ساختار آن از نظر دقت و اندازه گیری به طور قابل توجهی بالاتر از روش های پیشرفته است.

کلیدواژه ها:

سیستم پیشنهادی ، خوشه بندی ، اطلاعات اجتماعی ، الگوریتم بهینه سازی ملخ