بهبود مقیاس پذیری سیستم های توصیه گر

سیستم های توصیه گر با بررسی تمایلات و رفتارهای گذشته کاربران، سعی در ارایه اطلاعاتی دارند که پیش بینی می کنند این اطلاعات شخصی سازی شده برای این کاربر خاص مفید خواهند بود. در سیستم های توصیه گر با مشکلات متعددی از قبیل مقیاس پذیری روبرو هستیم. مقیاس پذیری عبارت است از توانایی سیستم در ارایه توصیه های شخصی به کاربران در زمان مناسب در حالی که تعداد کاربران و آیتم ها در سیستم بسیار زیاد است. در این مقاله برای حل مساله مقیاس پذیری در سیستم های توصیه گر مدلی ارایه شده است که در این مدل از طریق خوشه بندی کاربران و تعیین تعداد مناسب خوشه، مساله مقیاس پذیری مرتفع گردیده است. آزمایشات انجام شده بر روی دیتاست های معیار حکایت از بهبود مقیاس پذری سیستم به همراه دقت مناسب نسبت به حالت پایه دارد.

کلیدواژه ها:

خوشه بندی ، روش مبتنی بر مشارکت ، سیستم های توصیه گر ، مقیاس پذیری