بررسی الگوریتم مرتب‌سازی مجدد بر روی سامانه‌های پیشنهاددهنده

بررسی الگوریتم مرتب‌سازی مجدد بر روی سامانه‌های پیشنهاددهنده

مرضیه سعادتی1 بهروز مینایی2

1) مهندسی فناوری اطلاعات، تدریس در دانشگاه ازاد الیگودرزایران
2) دکتری هوش مصنوعی، عضو هیات علمی دانشگاه علم و صنعت

کد IOI مقاله : XYEZ-AHGAG
محل انتشار : کنفرانس بین المللی پژوهش در علوم و تکنولوژی(rstconf.com)
چکیده :
    تنکی دادگان در سامانه‌های پیشنهاددهنده یکی از چالش‌های اساسی است که کیفیت پیشنهاد قلم به کاربر را پایین می‌آورد. روش مرتب‌سازی مجدد در ماتریس‌های تنک، سطر و ستون‌ها را جایشگت می‌دهد، که باعث محلیت در دادگان می‌شود، به طوری که دادگان باارزش نزدیک به هم قرار می گیرند و تنکی دادگان را کمتر می‌کند. در این مقاله، از یکی از روش‌های مرتب‌سازی مجدد به نام COLAMD استفاده کردیم، که این روش یک بردار جایگشتی را برمی‌گرداند، و محلیت دادگان را افزایش می‌دهد. روش COLAMD را در نرم افزار متلب بر روی دادگان Movielens که 943 کاربر و 1682 فیلم و 100000 داده باارزش دارد، استفاده کردیم. دادگان مرتب¬سازی مجدد شده و دادگان اصلی را به‌وسیله الگوریتم SVD ساده، مورد بررسی قرار دادیم و خطای جذر میانگین مربعات یا RMSE را در دادگان اولیه و جایگشت داده شده، بعد از عبور از الگوریتم SVD محاسبه کردیم. مقایسه مقادیر خطای جذر میانگین مربعات در دو دادگان نشان داد که روش مرتب‌سازی مجدد، در بیشتر قسمت¬ها باعث بهبود شده است و مقدار RMSE کمتری نسبت به دادگان اصلی دارد.

کلمات کلیدی : سامانه‌های پیشنهاددهنده ماتریس تنک مرتب‌سازی مجدد