رفع مشکل شروع سرد در سیستم توصیه گر پالایش مشارکتی با استفاده از الگوریتم درخت تصمیم C۵

با افزایش استفاده از سرویس های تجارت الکترونیکی و شبکه های اجتماعی برخط، نقش سیستم های توصیه گر در پالایش کلان داده ها و ارائه توصیه های سودمند به کاربران بسیار پررنگ تر شده است. روش های پالایش مشارکتی از پراستفاده ترین تکنیک های سیستم های توصیه گر هستند که بر اساس محاسبه شباهت کاربران با یکدیگر می توانند توصیه های باکیفیتی را ایجاد کنند. ارائه توصیه های مرتبط در سیستم های توصیه گر همراه با چالش هایی است که از جمله مهم ترین آن ها مشکل شروع سرد کاربران است. این مشکل زمانی رخ می دهد که از یک کاربر هدف هیچ داده ای وجود نداشته و یا داده های موجود از وی اندک باشند. در این مقاله یک روش جدید مبتنی بر بهره گیری از مدل هوشمند درخت تصمیم برای حل مسئله شروع سرد پیشنهاد می شود. این مدل هوشمند که با استفاده از الگوریتم C۵.۰ نحوه کلاس بندی کاربران را فرا می گیرد قادر خواهد بود تا کاربران با مشکل شروع سرد را در گروه های مرتبط دسته بندی کرده و سپس با استفاده از یک روش پالایش مشارکتی، توصیه هایی را به آن ها ارائه کند. نتایج حاصل از روش پیشنهادی نشان می دهد که این روش قادر است در پیش بینی امتیازات کاربران معیار میانگین خطای مطلق را کاهش داده و توصیه های باکیفیت تری را نسبت به دیگر روش های مشابه از نظر معیارهای صحت و بازفراخوانی ارائه کند.

کلیدواژه ها:

الگوریتم C۵ ، درخت تصمیم ، سیستم توصیه گر پالایش مشارکتی ، شروع سرد