بهبود کیفیت پیشنهادات در سیستم‌های پیشنهادگر شخصی ترکیبی با استفاده از الگوریتم خوشه بندی

در سال های اخیر، اطلاعات بیش از حد در شبکه جهانی وب وجود دارد - . این مقاله یک الگوریتم خوشه بندی جدید مبتنی بر خوشه بندی مرکز ثقل که برای سیستم پیشنهاد 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 از CBBC آفلاین به خوشه های با تعدادمشخص 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 داده iris نشان می دهد الگوریتم پیشنهادی بهتر از الگوریتم های means K- و medoids K- جدید می باشند

کلیدواژه ها:

پالایش مشارکتی ، سیستم پیشنهاد گر شخصی وب