ارائه روش بهینه برای سیستم های پیشنهاد دهنده با استفاده از خوشه بندی فازی در تجارت الکترونیک

تعداد بسیار زیاد صفحات و آیتم ها در وب سایت ها را می توان به عنوان معضلی برای کاربران دانست، چراکه این امر باعث می شود تا کاربران زمان زیادی را برای پیدا کردن آیتم های موردنظر خود سپری کنند. با استفاده از الگوی رفتاری هر کاربر و نیز سایر کاربران می توان پیوندها و صفحاتی به کاربران پیشنهاد کرد که به احتمال زیاد شامل علاقه مندی های آنها است. سیستم های پیشنهاد دهنده محتوا با پیش بینی ترجیحات کاربران به عنوان ابزاری برای فیلتر کردن اطلاعات مورد استفاده قرار می گیرند. یکی از مهمترین چالش های پیشروی سیستم های پیشنهاد دهنده، مشکل شروع سرد است. این مشکل زمانی به وجود می آید که یک کاربر (قلم داده) جدید وارد سیستم می شود. عدم وجود اطلاعات قبلی از این کاربر (قلم داده) باعث می شود سیستم نتواند به طور عادی پیشنهادها را تولید کند. در این تحقیق برای حل مشکل شروع سرد کاربر، روش جدیدی به کمک تر کیبمدل های مبتنی بر محتوا و فیلتر مشارکتی ارائه شده است. در این روش، فهرست پیشنهادی دارای ویژگی هایی مانند کیفیت بالای قلم داده ها ی پیشنهادی و تنوع آنهاست که دامنه اطلاعات دریافتی از کاربر را به سرعت گسترش می دهد، به همین دلیل کاربران را سریع تر از حالت شروع سرد خارج می کند. همچنین با استفاده از اطلاعات دموگرافیک کاربر، سعی شده قلم داده های فهرست پیشنهادی به نحوی انتخاب شوند که به علایق کاربر نزدیک تر باشند تا دقت بیشتر شود. نتایج ارزیابی روش پیشنهادی نشان می دهد میزان خطای MAE و RMSE نسبت به روش های موجود تا حد مطلوبی کاهش یافته است.

کلیدواژه ها:

سیستم های پیشنهاددهنده ، فیلترسازی مشارکتی و خوشه بندی فازی