ارایه الگوریتم توصیه گر کتاب مبتنی بر تجزیه مقادیر تکین بهبود یافته

سرعت زیاد تولید اطلاعات جدید، منجر شده است که پیدا کردن اطلاعات و دانش مرتبط در میان حجم انبوهی از اطلاعات کاری بسیار وقت گیر و حتی ناامید کننده باشد. بنابراین داشتن یک سیستم هوشمند که بتواند در میان حجم عظیمی از اطلاعات و محصولات گوناگون ،مناسب ترین و مورد پسندترین ها را بنا به شرایط و ویژگی های خاص هر کاربر به او پیشنهاد کند، امری ضروری به نظر می رسد. سیستم هایی که چنین وظیفه ای را انجام می دهند، سیستم های پیشنهاد دهنده، نامیده می شود. این مقاله، الگوریتم پیشنهاد شخصی را براساس تخمین تجزیه مقادیر تکین پیشنهاد می کند. تجزیه مقادیر تکین یک روش معتبر و قوی برای کاهش ابعاد داده است، اما به علت حجم محاسباتی زیاد و عملکرد ضعیف آن درماتریس های بزرگ به نظر می رسد برای کاربردهای عملی نیاز به اصلاح دارد. فروشگاه آمازون بوکر فروشگاه فیزیکی عرضه کتاب و محصولات آمازون است. تمام امکانات آنلاین فروشگاه آمازون در این فروشگاه جدید تعبیه شده است. با این حساب کاربران قادر هستند با همان شیوه سنتی و قدیمی به خرید کتاب بپردازند و تصمیمات بهتری با استفاده از روش های نوین نظیر رتبه کتاب در وب سایت آمازون و دسترسی به نقدهای نوشته شده توسط کاربران ،اتخاذ کنند. فروشندگان و سرپرست این فروشگاه جدید نیز با تلفیقی از شیوه سنتی و مدرن به مشتریان سرویس دهی می کنند. در این مقاله با ارایه یک روش جدید مبتنی بر تجزیه مقادیر تکین و تجزیه و تحلیل دقت پیشنهادات، نتاریج را با الگوریتم های LINERTIMESVD و الگوریتم تجزیه مقادیر تکین استاندارد روی مجموعه داده Epinions ارایه می شود و نشان می دهد که روش حاضر بهترین کیفیت را در پیش بینی داراست.

کلیدواژه ها:

تجزیه مقادیر تکین ، شخصی سازی ، سیستم توصیه گر پیشنهاد کتاب