بهبود نتایج و عملکرد سیستم توصیه گر پالایش مشارکتی با پردازش روی اطلاعات پروفایل کاربران

سیستم های توصیه گر با تحلیل رفتار کاربران و جمع آوری اطلاعات آنان، توصیه های مفیدی متناسب با نیاز کاربرانبه آنان پیشنهاد میدهند. یکی از الگوریتم های بکار رفته در این سیستم ها روش پالایش مشارکتی مبتنی بر کاربراست. ایده این است که اگر کاربران علایق مشابهی در گذشته داشته باشند در آینده نیز احتمالا سلیقه های مشابهیخواهند داشت. مهمترین بخش الگوریتم پالایش مشارکتی مبتنی بر کاربر به تعیین شباهت بین کاربران اختصاصدارد. ما در این مقاله یک معیار شباهت جدید و بهینه از طریق ترکیب خطی ساده از وزنها و نسبت رتبه بندی ها، بهکمک پردازش روی اطلاعات پروفایل کاربران، پیشنهاد و آزمایش کردهایم و نتایج حاصل را با معیار شباهت سنتیپیرسون و معیار شباهت بهینه ی مبتنی بر الگوریتم ژنتیک مقایسه نموده ایم. نتایج مقایسه ها نشان می دهد که روشپیشنهادی نه تنها دقت توصیه را بهبود می بخشد، بلکه باعث افزایش کیفیت پیشبینی و کارایی توصیه نیز می گردد.

کلیدواژه ها:

پروفایل کاربران ، پالایش مشارکتی ، سیستم های توصیه گر ، معیار شباهت