مروری بر سیستم های توصیه گر و به کارگیری انتخاب ویژگی با استفاده از الگوریتم فراابتکاری نهنگ برای بهبود دقت پیش بینی

در چند دهه گذشته، با ظهور یوتیوب، آمازون، نتفلیکس و بسیاری دیگر از خدمات وب از این قبیل،سیستم های توصیه گر بیشتر و بیشتر در زندگی ما جای گرفته اند. از تجارت الکترونیک (پیشنهاد به خریدارانمقالاتی که می تواند برای آنها جالب باشد) تا تبلیغات آنلاین (پیشنهاد مطالب مناسب به کاربران، مطابق باترجیحات آنها)، امروزه سیستم های توصیه گر در سفرهای آنلاین روزانه ما اجتناب ناپذیر هستند. با تحلیل رفتارکاربر خود، اقدام به پیشنهاد مناسب ترین اقلام (داده، اطلاعات، کالا و…) می نماید. این سیستم رویکردی استکه برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارائه شده است و به کاربر خود کمکمی کند تا در میان حجم عظیم اطلاعات سریع تر به هدف خود نزدیک شود. مشتریان معمولا اقلام را خریداریمی کنند تا کالاهای مورد نظر قبلی را جایگزین کنند یا کالاهایی را خریداری کنند که مکمل موارد خریداریشده باشد. در این مقاله، ما به مطالعه و بررسی روشهای مختلف ساخت سیستم توصیه گر می پردازیم والگوریتم فراابتکاری نهنگ را برای انتخاب ویژگی در جهت بهبود در روند یادگیری ارائه خواهیم کرد.

کلیدواژه ها:

سیستم توصیه گر ، سیستم پیشنهاد کننده ، پلتفرم توصیه گر ، الگوریتم فراابتکاری ، انتخاب ویژگی ، الگوریتم بهینه سازی نهنگ