بهبود کارایی در سیستم های پیشنهاد دهنده ی مبتنی بر گراف

گسترش اینترنت در سال های اخیر باعث ایجاد برنامه های کاربردی بسیار زیادی در زمینه تجارت الکترونیک شده است یکی از مهم ترین برنامه های کاربردی سیستم های پیشنهاد دهنده است این سیستم ها نوع ویژه ای از سیستم های فیلتر اطلاعات هستند که در آن آیتم ها بر اساس آنچه که برای کاربر جذاب است فیلتر می شود با توجه به حجم عظیم داده ای که امروزه با آن مواجه هستیم استفاده از سیستم های پیشنهاد دهنده در ساختار گراف ضروری است فیلتر کردن اطلاعات در این سیستم ها بر اساس شباهت بین آیتم ها انجام می شود از روش های اندازه گیری شباهت در گراف داده استفاده از خصوصیات ساختاری و غیر ساختاری یا ترکیبی از آنها است در این تحقیق هدف افزایش دقت در انتخاب آیتم های پیشنهادی با ترکیب دو روش مبتنی بر محتوا و فیلترینگ همبستگی در گراف داده ای است به همین منظور الگویی جدید جهت ایجاد پیشنهاد در سیستم های پیشنهاد دهنده مبتنی بر گراف ارائه شده است این الگو میزان شباهت بین موجودیت ها را با ترکیب الگوریتم های ساختاری و غیر ساختاری محاسبه کرده و پیشنهادات را بر اساس بیشترین میزان مشابهت به کاربر ارائه می کند در الگوریتم ساختار ارائه شده از روش های پیش بینی یال و الگوریتم SRank استفاده شده است در الگوریتم غیر ساختاری برای محاسبه میزان مشابهت بین عناصر ویژگی های پروفایلی موجودیت ها مدنظر قرار گرفته است در بخش ارزیابی الگوی پیشنهادی بر روی مجموعه داده ای فروشگاه اینترنتی آی هدیه پیاده سازی می شود

کلیدواژه ها:

سیستم های پیشنهاد دهنده ، کلان داده ها ، گراف داده ای ، شباهت ساختاری ، شباهت غیر ساختاری ، پیش بینی یال