ارائه یک روش ترکیبی جدید بر اساس تکنیک گسترش پروفایل برای حل مسئله شروع سرد در سیستم های توصیه گر

با توجه به رشد روزافزون حجم اطلاعات در دسترس در محیط جهانی وب، فرآیند جستجوی اطلاعات مورد نیاز کاربران با صرف زمان زیادی صورت می گیرد. سیستم های توصیه گر به منظور جلوگیری از اتلاف وقت کاربران، اطلاعاتی را در اختیار آن ها قرار می دهند که به احتمال زیاد مفید و ارزشمند هستند. متداول ترین روشی که برای تولید پیشنهاد در سیستم های توصیه گر مورد استفاده قرار می گیرد، روش پالایش مشارکتی است. این روش با وجود استفاده زیاد، دارای مشکلاتی نظیر مشکل شروع سرد است. در این مقاله یک روش ترکیبی جدید بر اساس تکنیک گسترش پروفایل برای بهبود مشکل شروع سرد ارائه شده است. در روش پیشنهادی علاوه بر شباهت رتبه دهی کاربران از شباهت دموگرافی کاربران به منظور انتخاب مجموعه همسایگان قوی تر برای کاربر هدف استفاده شده است. سیستم پیشنهادی با استفاده از مجموعه داده ای MovieLens مورد ارزیابی قرار گرفته و نتایج حاصل از آن حاکی از بهبود کارایی سیستم توصیه گر پیشنهادی نسبت به سایر روش ها است.

کلیدواژه ها:

سیستم های توصیه گر ، پالایش مشارکتی ، شروع سرد ، گسترش پروفایل ، معیار شباهت ، اطلاعات دموگرافی