سیستم های توصیه گر مبتنی بر مشابهت توسعه یافته با استفاده از الگوریتم k-means

امروزه با رشد روزافزون جمعیت در جهان طبیعتا میزان داده های افراد در پایگاه داده ها نیز رشد صعودی چشمگیری دارد،که همین این امر باعث بروز مشکلات و موانعی را همراه با خود دارد.برای حل این موانع و یا مشکلات استفاده از سیستم های توصیه گر(RS )نیز قابل حل و همچنین توسعه یافتگی نیز می باشد.این سیستم ها با توجه به گستردگی و انعطاف پذیری بالایی که دارند،قادر می باشند که علایق و سلایق افراد افراد را در بین هزاران داده گروه بندی و نیز به کاربران موردنظر توصیه و یا پیشنهاد بدهند.که یکی از مهمترین و کاربردیترین نوع آن سیستم های توصیه گر مبتنی بر همسایگی و یا مشارکتی(CF )می‎ باشد که قادر می باشد برای هر کاربر و یا آیتم با استفاده از ماتریس همسایگی(ماتریس کاربر-آیتم)با استفاده از رتبه بندی کاربران به آیتم ها(رتبه۱ الی۵)در خوشه بندی اولیه داده ها(SEED)توسط الگوریتم K-MEAN با استفاده از دیتاست و جامعه هدف نیز انجام می گردد.

کلیدواژه ها:

سیستم های توصیه گر ، الگوریتمK-MEAN ، CF