معیار شباهت سیستم های توصیه گر

سال انتشار: 1398
محل انتشار: چهارمین همایش بین المللی مهندسی برق، علوم کامپیوتر و فناوری اطلاعات
کد COI اختصاصی: ECICONFE04_028
زبان مقاله: فارسی
تعداد مشاهده: 1103

نویسندگان

گروه آموزشی کامپیوتر، موسسه آموزش عالی جهاد دانشگاهی خوزستان دانشکده کامپیوتر، شهر اهواز،

مدرس گروه کامپیوتر، موسسه آموزش عالی جهاد دانشگاهی خوزستان دانشکده کامپیوتر، شهر اهواز

چکیده

امروزه به علت رشد روز افزون اینترنت و حجم بسیار زیاد اطلاعات نیاز به سیستم های ی داریم تا بتوانند مناسب ترین خدمات و محصولات را به کاربر توصیه کنند سیستم هایی که این وظیفه را انجام می دهند سیستم های توصیه گر نامیده می شوند. این سیستم ها با ایجاد پیشنهادات مناسب برای خرید باعث خرید بیشتر و افزایش رضایت مشتری از خرید اینترنتی می گردند. در اینجا مروری برسیستم های توصیه گر خواهیم داشت و در ادامه انواع سیستم های توصیه گر و ارزیابی آنها را بحث خواهیم کرد. هدف از انجام این تحقیق ایجاد کردن مدل های تشابه ساده و جدید اما قابل اجرا بمنظور بهبود دقت توصیه در زمان محاسبات کم تر است. به منظور تحقق این هدف، دو متریک جدید تشابه مثل Relevant Jaccard Similarity و Relevant Jaccard Mean Square Distance تدوین شده اند. جدا از نگارش این دو روش ساده اما کاربردی، این تحقیق سهم قابل توجهی در تمرین به روش های زیر دارد. روش پیشنهادی، تشابه مربوط به جاکارد را شناسایی می کند که به انتخاب نزدیک ترین همسایه مناسب در مدل پیش بینی کمک می کند. نزدیک ترین همسایه های مناسب به سیستم توصیه گر استفاده می شوند تا رتبه بندی دقیقی از آیتم های رتبه بندی نشده پیش بینی کند. در نتیجه، روش های RJaccard و RJMSD به طور قابل توجهی در تعداد محدودی از نزدیک ترین همسایه ها به خوبی عمل می کنند

کلیدواژه ها

سیستم های توصیه گر، مدل های تشابه، شباهت جاکارد، RJMSD، Rjaccard

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.