ارائه یک سیستم تسریع توصیه کننده فازی، بر پایه ترکیب ترجیحات کاربران و اطلاعات خبرگان

توسعه ی روزافزون اینترنت، نحوهی تعاملات مشتریان و سازمان ها را دستخوش تحولات چشمگیری کرده است. یکی از پیامدهای مهم این پدیده، پیدایش و گسترش وبگاه های تجارت الکترونیکی و افزایش گرایش کاربران به بهره گیری از خدمات خرید و فروش به صورت آنلاین است. تنوع خدمات و اقلام عرضه شده در این وبگاه ها می تواند انتخاب محصولات مناسب را برای مشتریان به فرآیندی پیچیده و زمان بر مبدل کند. امروزه سیستم های توصیه کننده نقش بسزایی در انتخاب آیتم های مناسب که با نیازهای شخصی ما تا حد قابل قبولی مطابقت داشته باشند ایفا می کند و به منظور پیشنهاد محصول، خدمات و آیتم ها به مشتریان بالقوه استفاده می شود. علاوه بر اطلاعات کاربران عینی میتوان از اطلاعات ذهنی (نظر کارشناسان خبره) نیز به عنوان ورودی سیستم های توصیه کننده جهت پیشنهاد هرچه دقیق تر محصول استفاده نمود. لذا در این مقاله یک سیستم فیلترینگ همکارانه ترکیبی جدید ارائه شده است که اطلاعات عینی و ذهنی کاربران را جهت ایجاد پیشنهادات به کاربران فعال، ادغام می نماید. بدین معنی که علاوه بر ترجیحات مشابه کاربر یا پیش بینی های گذشته کاربران، ازنظرات و یپشنهادات افراد متخصص در زمینه مدنظر، نیز به عنوان ورودی سیستم توصیه کننده استفاده می کند. چارچوب پیشنهادی برخی از محدودیت های سیستم های توصیه کننده را مانند خلوت بودن داده و شروع سرد را برطرف نموده و اقلامی که هنوز توسط هیچ کاربری امتیازدهی نشده اند؛ می توانند در لیست پیشنهادات قرار گیرند. دو الگوریتم ارائه شده یعنی مدل تجمیع ساده SA و مدل جمع آوری اطلاعات ذهنی و عینی ( ASOV ) به عنوان دو رویکرد فازی نوین توسعه داده شده اند و درنهایت مجموعه ای از ارزیابی ها برای نشاندادن میزان بهره وری الگوریتم های پیشنهادی انجام شده است. دقت الگوریتم پیشنهادی SA بیشتر از سایر چارچوب های ترکیبی است و الگوریتم پیشنهادی ASOV از نظر متریک MAE (میانگین خطای مطلق) بهتر از سایر الگوریتم ها عمل می کند که همین امر استفاده و به کارگیری این سیستم ها را توجیه می نماید.

کلیدواژه ها:

سیستم های توصیه گر ، منطق فازی ، فیلترینگ همکارانه ، داده کاوی