ارائه مدلی مبتنی بر روش چندتایی جهت سیستم توصیه گر هوشمند

استفاده از سیستم هایی توصیه گر، به منظور کمک به کاربران در انتخاب مواردی مانند خرید، فروش و موارد مشابه، روز به روز در حال افزایش است که باعث می شود در وقت و هزینه کاربر صرفه جویی شود. در تحقیقات انجام شده، روش هایی برای ارائه پیشنهاد مناسبتر در قالب روش های مبتنی بر همسایگی، شبکه عصبی خودسازمانده بدون ناظر ارائه گردید، اما علی رغم مفید بودن آنها در حوزه کاری خودشان، داده ها را از لحاظ اعتبار، نرمال بودن یا نبودن بررسی نکردند و این روش ها نیز بصورت همگن یا ناهمگن در این نوع سیستم ها مقایسه نشده اند. در این تحقیق، یک چارچوب توصیه گر همه منظوره و مبتنی بر مدل چندتایی ارائه شده که شامل روش های نزدیکترین همسایگی و شبکه عصبی خودسازمانده است که داده ها را از لحاظ نویز و پیروی از نوع خاص داده شامل نرمال یا غیرنرمال بودن پوشش می دهد. این مدل پیشنهادی برروی چندین بسته تور مسافرتی مناسب گردشگران، اعمال شده است و خروجی مطلوبی را براساس مقادیر ورودی پیشنهادی، ارائه می دهد. نتایج ارزیابی مدل پیشنهادی با استفاده از شبیه سازی و پرسشنامه، نشان داد که مدل پیشنهادی توانسته است تا 92 درصد دقت پیش بینی مناسب را مطابق با سلایق گردشگر، بالا ببرد. نتیجه حاصل شده بهتر بودن الگوریتم پیشنهادی را نسبت به روش های دیگر نشان می دهد.

کلیدواژه ها:

دسته بندی چندتایی ، شبکه عصبی خودسازمانده ، روش نزدیکترین همسایه ، سیستم توصیه گر