FNHSM_HRS: سیستم توصیه گر ترکیبی مبتنی بر خوشه بندی فازی و معیار شباهت اکتشافی

امروزه سیستم های توصیه گر به یک سیستم فراگیر برای راهنمایی و هدایت کاربران در حجم عظیمی از داده در اینترنت، تبدیل شده است. پالایش همکارانه که پیشنهادات به کاربر فعال را براساس امتیازدهی مجموعه ای از کاربران ارائه می دهد، یکی از مدل های ساده و قابل درک و موفق برای پیدا کردن افراد هم سلیقه در سیستم های توصیه گر است. در این مدل، با افزایش تعداد کاربران و اقلام، سیستم دچار مشکل مقیاس پذیری می شود. از طرفی دیگر بهبود عملکرد سیستم در مواقعی که اطلاعات کمی از امتیازات دردسترس داریم، امری مهم است. در این مقاله یک سیستم توصیه گر ترکیبی به نام FNHSM_HRS که مبتنی بر معیار شباهت اکتشافی (NHSM) به همراه خوشه بندی فازی است، ارائه شده است. استفاده از روش خوشه بندی فازی در سیستم پیشنهادی باعث بهبود پذیری مساله مقیاس پذیری گشته و دقت پیشنهادات سیستم را افزایش می دهد. سیستم پیشنهادی مبتنی بر مدل پالایش همکارانه بوده و با استفاده از معیار شباهت اکتشافی، عملکرد و صحت سیستم را ارتقا می دهد. ارزیابی نتایج سیستم پیشنهادی برروی مجموعه داده MovieLens صورت گرفته، نتایج ارزیابی با استفاده از معیارهای MAE، Accuracy، Precision و Recall بیانگر بهبود کارایی سیستم و افزایش دقت پیشنهادات نسبت به روش های پالایش همکارانه ای که از معیارهای دیگری برای پیدا کردن شباهت استفاده می نمایند، می باشد.

کلیدواژه ها:

سیستم های توصیه گر ، پالایش همکارانه ، خوشه بندی فازی ، معیار شباهت اکتشافی