بهره گیری از مدل فضای برداری و پروفایل کاربران برای ایجاد سامانه توصیه گر در شبکه های اجتماعی

با ظهور شبکه های اجتماعی و محبوبیت این شبکه ها در سال های اخیر، افراد زیادی جذب این شبکه ها شده اند، بطوریکه تقریبا تمامی کسانی که به اینترنت دسترسی دارند در یکی از این شبکه ها عضو هستند. سیستم های توصیه گر یک فناوری مبتنی بر شبکه است که به شکل فعالی قلم های مورد علاقه کاربران را براساس رفتارهای عینی آنها ارائه می نماید. به علت وجود مسائلی همچون پراکندگی داده ها و مقیاس پذیری اطلاعات، سیستم های توصیه گری که از روش های سنتی استفاده می کنند، پاسخگوی نیاز کاربران نیستند. لذا جهت بهبود سرعت و دقت طی تحقیقات انجام شده، سیستم های توصیه گر جدیدی نظیر فیلترگذاری مشارکتی ارائه شده است. مشکل اغلب این سیستم ها پیچیدگی محاسباتی بالای آنها بخصوص در شبکه هایی با تعداد کاربران بالا است. در این تحقیق با بهره گیری از مدل فضای برداری و پروفایل کاربران و همچنین استفاده از یک روش خوشه بندی یک سیستم توصیه گر با پیچیدگی محاسباتی مناسبی ارائه می شود. سیستم پیشنهادی بجای محاسبه شباهت کاربران هدف با همه کاربران موجود، تنها شباهت میان کاربران هدف و کاربران مشابه (کاربران دارای علایق مشترک) محاسبه می شود و از این طریق علاوه بر جهت دهی مناسب به سیستم توصیه گر، پیچیدگی محاسباتی نیز کاهش می یابد. نتایج نشان می دهند که سیستم پیشنهادی روی مجموعه داده LastFM نسبت به روش های CFA، CFC و CF در معیار اندازه گیری F به ترتیب 4.78%، 11.78% و 28.57% برتری داشته است.

کلیدواژه ها:

سیستم توصیه گر ، مدل فضای برداری ، پروفایل کاربران ، مجموعه داده LastFM