ارائه یک سیستم توصیه گر با بهره گیری از پروفایل کاربران در حوزه سرگرمی

گسترش اطلاعات در اینترنت بزرگترین چالش را در جستجوی مطالب مفید ایجاد کرده است. از این رویک رویکرد هوشمند مانند سیستم های توصیه گر می تواند همه چیز مانند فیلم، موسیقی، کتاب،رستوران، اخبار و ... را توصیه کند. پالایش مشارکتی ۳ رویکرد اصلی هر سیستم توصیه گر می باشد. امازمانی که تعداد کاربران زیاد و آیتم های موجود در ماتریس کاربر آیتم کم باشد، پالایش مشارکتی نمی- تواند مقیاس پذیری و دقت کافی را ارائه دهد. در این مقاله مدلی ارائه شده که پالایش مشارکتی مبتنی برخوشه بندی را با روش داده کاوی قوانین انجمنی ترکیب میکند. این تحقیق با در نظر گرفتن رفتارگذشته کاربر به ارائه یک سیستم توصیه سرگرمی شخصی سازی شده می پردازد. جهت انجام این کار یکپیش پردازش اصلاح شده برای کشف الگوهای علاقه مشابه در بین کاربران بر اساس انتخاب ها وخریدهای انجام شده اجرا میشود، همچنین جهت کاهش ابعاد داده و فضای مسئله از روش خوشه بندیهمراه الگوریتم Apriori بهره گرفته شده است. سپس رفتار کاربران درگذشته و اکنون تحلیل شده و براساس رفتار و شباهت ها، سرگرمی های موردعلاقه و متناسب با رفتار کاربر پیشنهاد میشود. نتایج شبیه-سازی نشان میدهد که روش پیشنهادی از عملکرد قابل قبولی برخوردار است و از نظر معیارهای پوشش،اطمینان، دقت، فراخوانی و کاهش فضای مسئله، عملکرد بهتری را نسبت به روش پالایش مشارکتیبدست می آورد.

کلیدواژه ها:

سیستم توصیه گر ، پالایش مشارکتی ، قوانین انجمنی ، خوشه بندی