بهبودکیفیت پیشنهادات درسیستم های پیشنهادگرشخصی ترکیبی بااستفاده ازالگوریتم خوشه بندی

در سال های اخیر، اطلاعات بیش از حد در شبکه جهانی وب وجود دارد . این مقاله یک الگوریتم خوشه بندی جدید مبتنی برخوشه بندی مرکز ثقل که برای سیستم توصیه گر ترکیبی مورد استفاده قرار می گیرد، پیشنهاد می دهد .سیستم پیشنهادی در دو مرحله می باشد .در مرحله اول، نظرات کاربران در یک ماتریس امتیاز کاربر - آیتم جمع آوری می شود . آنها با استفاده ازCBBCآفلاین به خوشه های با تعداد مشخص خوشه بندی می شوند و در یک پایگاه داده برای توصیه در آینده ذخیره می شود .در مرحله دوم،توصیه های آنلاین برای کاربر فعال با استفاده از معیارهای شباهت بوسیله انتخاب خوشه ها با رتبه کیفیت خوب تولید می شود .این روش کمک می کند تا توصیه ی با کیفیت برای کاربران فعال بدست بیاید .نتایج تجربی با استفاده از پایگاه دادهirisنشان می دهد الگوریتم پیشنهادی بهتر از الگوریتم های K- medodis و K- meansجدید می باشند .کارایی سیستم پیشنهادی با استفاده از پایگاهدادهJesterموجود در وب سایت دانشگاه کالیفرنیا Berkeley ارزیابی می شود و با سیستم توصیه گر مورچگانARS مقایسه میشود.

کلیدواژه ها:

پالایش مشارکتی ، سیستم توصیه گر شخصی وب