راهکاري براي بهبود دقت سیستمها ي توصیه گر مبتنی بر رو شهاي فیلتر مشارکتی

سعیده پاکیده دلشاد¹ سیدامیر شیخ احمدی²

1) دانشجوی کارشناسی ارشد کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد سنندج، ایران-
2) دکتری کامپیوتر نرم افزار، هیات علمی دانشگاه آزاد اسلامی واحد سنندج، ایران-

محل انتشار : ششمین کنفرانس بین المللی علوم و مهندسی(6icesconf.com)
چکیده :
يکي از مسائل مهم دنياي مدرن امروز، فراواني اطلاعات است. از اين رو براي کمک به انتخاب بهترين گزينه ممکن، سيستم‌هاي توصيه‌گر ظهور کردند. در سال هاي اخير استفاده از سيستم‌هاي پيشنهاد دهنده بسيار متداول شده است. چالش‌هاي موجود در دادگان اين سيستم‌ها، تحقيق را براي ارائه الگوريتم‌هاي با دقت پيشنهادي بالا جذاب کرده است. البته اين حقيقت بايد در نظر گرفته شود که سليقه کاربر در طي زمان به طور مداوم مي‌تواند تغيير مي کند. به علاوه مدل کردن سليقه کاربر به صورت پويا يک چالش بزرگ براي ارائه توصيه‌هاي شخصي سازي شده به کاربر است. در سيستم‌هاي پالايش گروهي بکارگيري معيار شباهت مناسب، مي‌تواند جهت ارائه توصيه‌هاي دقيق تر به کاربران مورد استفاده قرار گيرند. در واقع يکي ازمسائل اساسي در سيستم‌هاي توصيه‌گر مبتني بر پالايش گروهي ، بررسي ميزان شباهت ميان کاربران و آيتم‌ها است. در نتيجه، استفاده از معيار شباهات مناسب در تعيين ميزان شباهت ميان کاربران و آيتم‌ها دقت و کيفيت سيستم‌هاي توصيه‌گر را بهبود خواهد داد. در اين پايان نامه يک روش جديد به‌منظور بهبود دقت سيستم‌هاي توصيه‌گر مبتني بر روش‌هاي پالايش گروهي معرفي شده است. در واقع با استفاده ازالگوريتم فراابتکاري ژنتيک، ميزان دقت وخطاي مربوط به سيستمهاي پالايش گروهي، بهبود پيدا کرده ا ست. براي اين منظور در روش پيشنهادي ، با استفاده الگوريتم ژنتيک درصد بکارگيري معيار شباهت گوگل و معيارشباهت کسينوسي، شناسايي شده وبر اساس آن فرآيند توصيه صورت مي پذيرد. در روش پيشنهادي، با ترکيب دو معيارشباهت و بکارگيري الگوريتم ژنتيک، کارايي اين سيستم‌ها در بهبود دقت و خطا افزايش يافته است. کلمات کليدي: سيستم‌هاي توصيه‌گر، معيارشباهت گوگل، معيارشباهت کسينوسي، روش‌هاي فراابتکاري، الگوريتم ژنتيک.
کلمات کلیدی : سيستم‌هاي توصيه‌گر معيارشباهت گوگل معيارشباهت کسينوسي روش‌هاي فراابتکاري الگوريتم ژنتيک.