FNHSM_HRS: سیستم توصیه گر ترکیبی مبتنی بر خوشه بندی فازی و معیار شباهت اکتشافی
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 150
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFSA-2-2_003
تاریخ نمایه سازی: 6 آذر 1400
چکیده مقاله:
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:
نویسندگان
مصطفی خلجی
کارشناس ارشد مهندسی کامپیوتر- هوش مصنوعی و رباتیکز، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
چیترا دادخواه
استادیار مهندسی کامپیوتر-گروه هوش مصنوعی و رباتیکز، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران