کاربرد تجزیه های ماتریسی در سامانه های پیشنهادگر
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 347
فایل این مقاله در 17 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_MCT-41-1_005
تاریخ نمایه سازی: 8 آذر 1401
چکیده مقاله:
با توجه به انبوه اطلاعات در شبکه جهانی اینترنت، وجود سامانه های پیشنهادگر که کالاها را به شکل خودکار و هوشمندانه به کاربران پیشنهاد دهند، کاملا ضروری به نظر می رسد. یکی از چالش های مطرح در این نوع سامانه ها، تنکی ماتریس کاربر-کالا است که باعث می شود سامانه نتواند پیشنهاد مناسبی به کاربر ارائه دهد و درنتیجه کارایی آن کاهش پیدا می کند. الگوریتم پیشنهادی ما برای رفع این مشکل، ترکیب پالایش مشارکتی مبتنی بر حافظه و پالایش مشارکتی مبتنی بر مدل است. برای این منظور از روش های کاهش بعد استفاده می کنیم که از طریق فشرده سازی ماتریس ها تقریبی کم رتبه از آن به دست می دهد و علاوه بر تشخیص داده های کم اهمیت و حذف آن ها، ساختار داخلی داده ها نیز بهتر مشخص می شود. به همین دلیل، روش های تجزیه مقدار تکین SVD و تجزیه نیمه گسسته SDD را مورد بررسی قرار می دهیم و نتایج حاصل را مقایسه می کنیم. نتایج به دست آمده نشان می دهد که هرچند کمترین خطا را دارد، ولی با خطایی نزدیک به SVD از نظر زمان اجرا و به ویژه حافظه موردنیاز به صرفه تر است.
کلیدواژه ها:
نویسندگان
عفت گلپررابوکی
دانشگاه قم، گروه ریاضی
معصومه کیاهی
دانشگاه قم، گروه ریاضی