FNHSM_HRS: سیستم توصیه‌گر ترکیبی مبتنی بر خوشه‌بندی فازی و معیار شباهت اکتشافی

نوع مقاله: ویژه نامه

نویسندگان

1 کارشناس ارشد مهندسی کامپیوتر- هوش مصنوعی و رباتیکز، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

2 استادیار مهندسی کامپیوتر-گروه هوش مصنوعی و رباتیکز، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

چکیده

امروزه سیستم‌های توصیه‌گر به یک سیستم فراگیر برای راهنمایی و هدایت کاربران در حجم عظیمی از داده در اینترنت، تبدیل شده است. پالایش همکارانه که پیشنهادات به کاربر فعال را براساس امتیازدهی مجموعه‌ای از کاربران ارائه می‌دهد،‌ یکی از مدل‌های ساده و قابل درک و موفق برای پیدا کردن افراد هم سلیقه در سیستم‌های توصیه‌گر است. در این مدل،‌ با افزایش تعداد کاربران و اقلام، سیستم دچار مشکل مقیاس پذیری می‌شود. از طرفی دیگر بهبود عملکرد سیستم در مواقعی که اطلاعات کمی از امتیازات دردسترس داریم، امری مهم است. در این مقاله یک سیستم توصیه‌گر ترکیبی به نام FNHSM_HRS که مبتنی بر معیار شباهت اکتشافی (NHSM) به همراه خوشه‌بندی فازی است،‌ ارائه شده است. استفاده از روش خوشه‌بندی فازی در سیستم پیشنهادی باعث بهبود پذیری مساله مقیاس پذیری گشته و دقت پیشنهادات سیستم را افزایش می‌دهد. سیستم پیشنهادی مبتنی بر مدل پالایش همکارانه بوده و با استفاده از معیار شباهت اکتشافی، عملکرد و صحت سیستم را ارتقا می دهد. ارزیابی نتایج سیستم پیشنهادی برروی مجموعه داده MovieLens صورت گرفته، نتایج ارزیابی با استفاده از معیارهای MAE، Accuracy، Precision و Recall بیانگر بهبود کارایی سیستم و افزایش دقت پیشنهادات نسبت به روش‌های پالایش همکارانه‌ای که از معیارهای دیگری برای پیدا کردن شباهت استفاده می نمایند،‌ می‌باشد.

کلیدواژه‌ها