ارائه یک دسته بندی مبتنی بر فاصله وترکیب آن با قوانین انجمنی جهت افزایشمناسب توصیه ها در سیستم توصیه گر مشارکتی مبتنی بر آیتم (مطالعه موردیدیجی کالا)

در حوزه سیستم های توصیه گر مبتنی بر آیتم، استفاده از روش های توصیه گر مبتنی بر همسایگی نزدیکترین همسایه INTERCEPT KNN و قوانین انجمنی به منظور ارائه پیشنهادهای دقیق و متناسب با نیازهای کاربران، مورد توجه قرار گرفته است. در این تحقیق، ارائه یک روش ترکیبی برایافزایش دقت و کارایی سیستم توصیه گر مشارکتی مبتنی بر آیتم بررسی شده است. با ترکیب الگوریتم INTERCEPT KNN بر اساس شباهت داده ها و قوانین انجمنی بر اساس الگوهای ارتباطی بین آیتمها، سیستم توصیه گر توانایی بهبود دقت و کارایی خود را افزایش می دهد. با اعمال این روشترکیبی، قادر به ارائه پیشنهادهای موثرتری بر اساس تجربه کاربران و الگوهای رفتاری آنها می باشد. برای ارزیابی عملکرد سیستم پیشنهادی، از مجموعه داده دیجی کالا استفاده شده است. نتایج نشان میدهد که استفاده از ترکیب روش های INTERCEPT KNN و قوانین انجمنی، منجر به بهبود قابل ملاحظه ای در دقت و کارایی سیستم توصیه گر می شود و حدود ۶۰ درصد از موارد در هر دو لیست تطابق دارند. در نتیجه، این تحقیق نشان می دهد که ترکیب روش های INTERCEPT KNN , قوانین انجمنی در سیستم های توصیه گر مشارکتی مبتنی بر آیتم، می تواند بهبود قابل توجهی در کیفیتو دقت پیشنهادها داشته باشد و تجربه کاربران را بهبود بخشد

کلیدواژه ها:

سیستم های توصیه گر ، مبتنی بر آیتم ، الگوریتمINTERCEPT KNN ، قوانین انجمنی ، تحلیل تجربه کاربران