یک روش بهبود فیلترینگ مشارکتی مبتنی بر سیستم های توصیه گر با استفاده از الگوریتم خفاش

  • سال انتشار: 1401
  • محل انتشار: هشتمین کنفرانس بین المللی دانش و فناوری مهندسی برق مکانیک و کامپیوتر ایران
  • کد COI اختصاصی: DMECONF08_179
  • زبان مقاله: فارسی
  • تعداد مشاهده: 252
دانلود فایل این مقاله

نویسندگان

بیتا امیرشاهی

استادراهنما

سعید یاوری

دانشجوی کارشناسی ارشد (نرم افزار) - دانشگاه پیام نور واحد ری

زهرا انجم شعاع

دانشجوی کارشناسی ارشد (نرم افزار) - دانشگاه پیام نور واحد ری

چکیده

سیستم های توصیه گر ثابت شده است که در برخورد با مسئله اضافه بار اطلاعات از طریق توصیه های کیفیت کمک شایانی کرده اند. در دوره های اخیر، تکنیک های اکتشافی توسط محققان در سیستم های توصیه کننده به همراه روش های سنتی فیلترینگ مشارکتی و مبتنی بر محتوا به کار گرفته شده است. هدف فیلترینگ مشارکتی یافتن کاربرانی است که هم عقیده با کاربر جدید هستند. سپس آیتم های مورد علاقه آنها را به کاربر جدید پیشنهاد می کند. به همین ترتیب، در این کار از یک روش اکتشافی مبتنی بر الگوریتم خفاش برای محاسبه وزن اقلام (ویژگی ها) استفاده شده است تا همسایگی های بهتر را برای کاربر فعال پیدا کنند. ما استدلال می کنیم و همچنین با استفاده از نتایج اثبات می کنیم که این تکنیک برای دادن وزن به اقلام با استفاده از روش های اکتشافی در دستیابی به توصیه های شخصی بهتر کمک می کند. عملکرد این سیستم با سیستم مبتنی بر کلونی زنبورهای مصنوعی نیز مقایسه شده است. نتایج نشان داد کهBAاز نظر میانگین خطای مطلق و امتیاز F۱با استفاده از تکنیک ما ۶.۹ ٪ بهتر ازABCبه دستمی آید.

کلیدواژه ها

الگوریتم خفاش، سیستم های توصیه گر، الگوریتم کلونی زنبور مصنوعی، فیلترینگمشارکتی.

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.