ارزیابی تاثیر افزایش داده بر عملکرد سیستم های توصیه گر

این مطالعه تاثیر افزایش داده بر عملکرد سیستم های توصیه گر را با استفاده از روش های فیلترینگ مشارکتی (CF) و فیلترینگ مبتنی بر محتوا (CBF) بررسی می کند. با استفاده از مجموعه داده MovieLens، ما به طور سیستماتیک تکنیک های مختلف افزایش داده را برای غنی سازی مجموعه داده و ارزیابی اثرات آنها بر معیارهای کلیدی عملکرد: دقت، صحت، و فراخوان اعمال کردیم. آزمایش های ما نشان دهنده ی بهبودهای قابل توجهی در این معیارها با افزایش داده است، که نشان دهنده ی دقت پیش بینی بهتر و ارتباط توصیه ها است. یافته ها نقش اساسی افزایش داده را در رفع کمبود داده و بهبود استحکام سیستم های توصیه گر برجسته می کند. از طریق این تحقیق، ما بینش هایی در مورد استراتژی های موثر برای پیش پردازش داده ارائه می دهیم که برای بهبود کیفیت و اثربخشی توصیه ها در کاربردهای مختلف قابل استفاده است.

کلیدواژه ها:

سیستم های توصیه گر ، افزایش داده ، فیلترینگ مشارکتی ، فیلترینگ مبتنی بر محتوا ، MovieLens