یک روش جدید در سیستم های توصیه گر برای پیش بینی سلیقه کاربران با استفاده ازالگوریتم بهینه سازی نهنگ

سیستم های توصیه گر یکی از کاربردی ترین شاخه های یادگیری ماشین هستند که در بسیاری از سرویس های آنلاین مورد استفاده قرار می گیرند. این سیستم ها با تحلیل رفتار و ترجیحات کاربر، محتوا یا محصولات مورد علاقه او را پیشنهاد می دهند. همچنین در الگوریتم بهینه سازی نهنگ ها که از طبیعت الهام گرفته شده و مبتنی بر جمعیت است وروش خاصی برای شکار طعمه خود دارد این رفتار کاوش گرانه به نام روش تغذیه حباب تور (Bubble-net) شناخته می شود. حال در سیستم های توصیه گر که با استفاده از اطلاعات تعاملی جمع آوری شده از افراد و محصولات می توان اولویت ها را شناسایی کرده و درک جامعی از علایق و خواسته ها و تصمیمات و انتخابهای گذشته به دست آورده و می توانیم با الگوریتم بهینه سازی نهنگ ها این انتخاب های بهینه برای شکار، محاصره شده و سپس از روش حمله به حباب تور استفاده شود.