فا   |   En
ورود به سایت

یک معیار شباهت نوین پالایش مشارکتی در سامانه‌های توصیه‌گر

نویسنده: مجتبی کاظمی و ساسان حسینعلی‌زاده

سامانه‌های توصیه‌گر به سه دسته پالایش جمعیت شناختی، پالایش مبتنی بر محتوا و پالایش مشارکتی تقسیم‌بندی می‌گردند. پالایش مشارکتی مبتنی بر همسایگان به‌عنوان یکی از مهم‌ترین کلاس‌های پالایش مشارکتی، کاربرد گسترده‌ای در حوزه تجاری را داراست. کلید این رویکرد در یافتن کاربران و یا کالا‌هایی مشابه براساس ماتریس امتیازات کاربر- کالا بوده تا بتواند توصیه‌های مناسبی برای کاربران فراهم نماید. در این مقاله به‌منظور محاسبه شباهت میان کاربران، معیار مشابهت جدیدی را براساس همسایگان کاربران ارائه داده‌ایم تا عملکرد توصیه‌ها را زمانی که تعداد امتیازات کمی در دسترس باشد، بهبود بخشد. از این‌رو از رویکرد احتمالاتی برای مدل‌سازی معیار مشابهت پیشنهادی میان دو کاربر پیشنهاد شده است. به‌منظور نشان دادن اثربخشی معیار، عملکرد معیارهای مشابهت سنتی و مدرن را با معیار مشابهت پیشنهادی مقایسه کرده‌ایم. نتایج توصیه‌های صورت گرفته براساس معیارهای ارزیابی مختلف نشان‌دهنده این است که معیار مشابهت پیشنهادی عملکرد بهتری نسبت به دیگر معیارهای مشابهت در داده‌های پراکنده داراست.

 فایل مقاله