حل مشکل شروع سرد در سیستم های توصیه گر با استفاده ازGA-PSO

امروزه به دلیل گستردگی رقابت دردنیای تجارت الکترونیک یافتن روشهای موثردرجذب مشتریان ازاهمیت ویژه ای برخوردار است یکی ازاین روشها بکارگیری الگوریتم های مربوط به سیستم های توصیه گردروب گاه های تجاری است که امکان استخراج علایق مشتریان بابکارگیری شیوه های داده کاوی میسر میگردد باتوجه به مطالعات فراوانی که برروی این نوع الگوریتم ها انجام شده اند مسئله پیش بینی امتیازات و حل مشکلات این الگوریتم ها که به دلیل کمبود اطلاعات اولیه ورودی توسط مشتریان به مشکل شروع سرد معروف هستند یکی ازچالشهای موجود درالگوریم های CF میب اشند سیستم پیشنهادی ازتکنیک استخراج قوانین انجمنی و فیلترینگ مشارکتی برای پیشنهادهای شخصی سازی شده به منظور به حداقل رساندن مشکلات شروع سرد که درروش CF وجود دارند استفاده مینماید استخراج قوانین انجمنی براساس الگوریتم اپریوری و خوشه بندی غنی شده باالگوریتم های تکاملی است استفاده میشود باتوجه به اینکه قوانین انجمنی روی اعضای یک خوشه که توسط الگوریتم ترکیبی ازدحام ذرات و ژنتیک بهبود یافته انجام میشود پیدا کردن قوانین انجمنی نسبت به روشهای دیگرسریعتر و قوانین کاراتر استخراج میشوند

کلیدواژه ها:

سیستم پیشنهاددهنده ، تجارت الکترونیک ، الگوریتم ازدحام ذرات ، الگوریتم ژنتیک ، قوانین انجمنی