مرضیه سعادتی - دانشگاه آزاد الیگودرز
بهروز مینایی - دانشگاه علم و صنعت

تنکی دادگان در سامانههای پیشنهاددهنده یکی از چالشهای اساسی است که کیفیت پیشنهاد قلم به کاربر را پایین میی آورد. روش مرتبسازی مجدد در ماتریسهای تنک، سطر و ستونها را جایشگت میدهد، که باعث محلیت در دادگان می شود ، بهطوری که دادگان باارزش نزدیک به هم قرار می گیرند و تنکی دادگان را کمتر میکنید. در این مطالعه از یکیی از روش هیای مرتبسازی مجدد به نام COLAMD استفاده کردیم، که این روش یک بردار جایگشتی را برمی گردانید، و محلیت دادگان را افزایش میدهد. روش COLAMD را در نرم افزار متلب بر روی دادگان Movielens که 349 کاربر و 2861 فیلم و 211111داده باارزش دارد، استفاده کردیم. دادگان مرتبسازی مجدد شده و دادگان اصلی را به وسیله الگوریتم SVD ساده، مورد بررسی قرار دادیم و خطای جذر میانگین مربعات یا RMSE را در دادگان اولیه و جایگشت داده شده، بعد از عبور از الگیوریتم SVD محاسبه کردیم. مقایسه مقادیر خطای جذر میانگین مربعات در دو دادگان نشان داد که روش مرتب سازی مجیدد، در بیشتر قسمتها باعث بهبود شده است و مقدار RMSE کمتری نسبت به دادگان اصلی دارد

سامانههای پیشنهاددهنده، ماتریس تنک، مرتبسازی مجدد