ارائه یک مدل توصیه گر خرید کالا با شناخت سلایق کاربر به کمک یادگیری تقویتی و فازی سازی

گسترش سریع و روزافزون اطلاعات ارائه شده بر روی شبکه جهانی اینترنت کاربران را با مشکلات عدیده و قابل تاملی در خصوص انتخاب منابع و اطلاعات مورد نیاز ایشان مواجه نموده است و چه بسا که بدون راهنمایی و هدایت صحیح، کاربران در اخذ تصمیمات صحیح یا انتخاب کالا و خدمات مورد نیازشان دچار اشتباه شده که این امر تبعات عدیده ای ازجمله نارضایتی سلب اطمینان کاربران و مشتریان سایتهای موجود بر روی اینترنت را به همراه خواهد داشت از اینرو جود ابزار و سیستم هایی برای کمک به کاربران در انتخاب اطلاعات مناسب و موردنیاز ایشان کاملا ضروری به نظر میرسد. در سالهای اخیر برای برآورده سازی این نیازها سیستمهای توصیه گر مطرح و توسعه یافته اند و الگوریتمها مقالات و متون علمی بسیار متنوع و مختلفی در این زمینه مطرح گردیده است. در این تحقیق، یک مدل توصیه گر خرید کالا با شناخت سلایق کاربر به کمک یادگیری تقویتی و فازی سازی ارائه شده است. در روش پیشنهادی رفتار و سلایق کاربران با توجه به پیمایش و نشست هایی که انجام میدهد، بررسی ثبت و در قالب پروفایل کاربری ذخیره شده است. به این طریق که برای یک خرید موفق و یا ناموفق قبل از انجام نهایی به سرویس گیرنده اعلام و پیشنهاد داده میشود. در حقیقت ابتدا داده های پایگاه داده خریدهای سنتی مورد آنالیز و کدگذاری قرار گرفته است سپس بر اساس نظرات و کارشناسی های انجام شده قواعد فازی برای خریدهای موفق و ناموفق تعریف شده است. سپس به پیش پردازش داده و نرمال سازی پایگاه داده سایت همراه مکانیک پرداخته شده است تا دادههای غربال شده و یادگیر آماده سازی شوند و به عنوان ورودی به یادگیری تقویتی داده شده است. روش پیشنهادی مطابق با یادگیری تقویتی در فاز آخر از دو گام یادگیری و پیش بینی برای تشخیص و پیشنهاد خرید موفق یا ناموفق سرویس گیرندگان تشکیل شده است. در نهایت نتایج بدست آمده به کمک مدلسازی انجام شده در ابزار متلب و رپیدماینر بیانگر بهبود دقت ۸/۷، صحت ۸/۶ و بازیابی ۶/۹ در مقایسه با تکنیکهای بیزین و درخت تصمیم میباشد.

کلیدواژه ها:

سیستم توصیه گر ، یادگیری ، تقویتی ، منطق فازی ، تحلیل رفتار کاربر ، داده کاوی