بررسی بهبود عملکرد سیستم پیشنهاد دهنده با به کارگیری خوشه بندی

در سال های اخیر با افزایش روز افزون اطلاعات در وب، از یک سو منابع غنی ای از اطلاعات در دسترس کاربران قرار می گیرد و از سوی دیگر موجب سربار اطلاعات می شود. برای رویارویی با سربار اطلاعات از سیستم هایی موسوم به سیستم های پیشنهاد دهنده استفاده می شود تا با تحلیل و بررسی سوابق کاربران، به ترجیحات و علایق شخصی آن ها پی برده و محصولاتی را به هر کاربر پیشنهاد دهند که تا حد ممکن بیشترین تناسب را به ترجیحات وی داشته باشند. به عبارتی دیگر در این سیستم ها به فیلترسازی اطلاعات پرداخته می شود. از میان روش های متعددی که بدین منظور استفاده می شوند، فیلترسازی مشارکتی از کارایی مناسبی برخوردار است. در این روش فیلترسازی، پروفایل کاربران مختلف برای یافتن شباهت بین علاقه مندی های آن ها بررسی شده و با توجه به همین شباهت ها محصولاتی را به هر کاربر پیشنهاد می دهد. در این مقاله یک سیستم پیشنهاد دهنده فیلم را بررسی می کنیم که در آن برای یافتن شباهت بین کاربران از خوشه بندی استفاده کرده و با استفاده از یک معیار شباهت ترکیبی، سیستم تشخیص می دهد که هر کاربر به کدام خوشه تعلق دارد. در این مقاله از معیار خطای MAE استفاده می شود که نتایج حاصل نشان می دهد که مقدار خطا به اندازه مناسبی کاهش یافته است.

کلیدواژه ها:

سیستم های پیشنهاد دهنده ، سربار اطلاعات ، فیلترسازی مشارکتی ، خوشه بندی