فاطمه قنبری کلاته بزرگ - دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران
مهرداد جلالی - دانشیار، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران
اسماعیل خیرخواه - استادیار ، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران

امروزه، کاربران با آیتم های زیادی در محیط وب رو به رو هستند. سیستم های توصیه گر به منظور کمک به یافتن آیتم های مورد علاقه ی کاربران استفاده می شوند. پالایش مشارکتی یکی از موفق ترین تکنیک ها در سیستم های توصیه گر است که به دنبال یافتن شبیه ترین کاربران به کاربر هدف جهت توصیه ی آیتم ها به آن کاربر هدف است. در پالایش مشارکتی تکنیک های خوشه بندی می توانند برای گروه بندی شبیه ترین کاربران به چند خوشه استفاده شوند. خوشه بندی فازی یکی از تکنیک های خوشه بندی معروف و پر کاربرد است. در این مقاله از خوشه بندی فازی سی مینز برای پالایش مشارکتی مبتنی بر کاربر استفاده شده است. از آنجایی که مسئله سیستم توصیه گر مبتنی بر پالایش مشارکتی نیاز به بهینه سازی دارد. در مرحله ی بعد به کمک الگوریتم بهینه سازی نهنگ فازی ترکیب شده با تکامل تفاضلی، وزن های مربوط به ماتریس مشابهت، طوری محاسبه می شود که تابع هزینه سیستم توصیه گر به صورت خطای قدر مطلق میانگین کمینه گردد. جهت ارزیابی روش پیشنهادی ، نتایج با الگوریتم های بهینه سازی توده ذرات و الگوریتم ژنتیک بدون خوشه بندی مقایسه شده است. نتایج شبیه سازی نشان داده اند که خوشه بندی فازی سی مینز ترکیب شده با الگوریتم بهینه سازی نهنگ فازی ترکیب شده با تکامل تفاضلی از لحاظ معیارهای خطای میانگین مربعات، درستی ، فراخونی و معیار F نتایج بهتری در مقایسه با الگوریتم های بهینه سازی توده ذرات و الگوریتم ژنتیک بدست آورده است.

سیستم توصیه گر،خوشه بندی فازی سی مینز، الگوریتم بهینه سازی نهنگ فازی ترکیب شده با تکامل تفاضلی