بهبود سیستم های توصیه گر با استفاده از روش مبتنی بر هوش جمعی

گسترش اینترنت و ایجاد حجم بسیار بالای اطلاعات، داشتن ابزاری مانند سیستم توصیه گر راکه بتواند از میان این حجم داده ها، اطلاعات مرتبط با هر کاربر را در اختیار او قرار دهد، بسیار ارزشمند است. از این قبیل سیستم ها، می توان سیستم های توصیه گر کتاب، موسیقی، فیلم و ... را نام برد. سیستم های کنونی هنگام "شروع سرد" کارایی خود را از دست می دهند. در این مقاله طراحی، پیادهسازی، تست و ارزیابی یک سیستم توصیه گر در حوزه فیلم، که در آن مطالعه و ارزیابی بر روی تکنیک های هوش گروهی برای پیدا کردن راه حل بهینه و بر اساس آن روند توصیه انجام می شود. این پژوهش با ارائه یک سیستم توصیه گر کارآمد با استفاده از روش هوش گروهی و به کارگیری منابع داده ای، پروفایل و روش رتبه بندی، وضعیت فعلی توصیه کالا به افراد رادر یک سیستم بهبود می دهد.

کلیدواژه ها:

سیستم های توصیه گر ، الگوریتم فاخته ، پردازش تکاملی ، هوش مصنوعی ، سیستم های چندعاملی ، هوش گروهی