ارزیابی یک سیستم توصیه گر با استفاده از الگوریتم تکاملی ترکیبی GAPSO

در سال های اخیر شاهد انفجار اطلاعات با رشد نمائی در اینترنت هستیم. اینترنت با سربار اطلاعاتی بسیار زیادی مواجه است و مشکل مواجه کاربران با انبوهی از اطلاعات وجود دارد. این طور به نظر می رسد که باید دنبال راهکاری بود که کاربران را در یافتن آیتم های مورد علاقه شان یاری کند. سیستم های توصیه گر با تحلیل رفتار کاربران و جمع آوری اطلاعات آنان، توصیه های مفیدی متناسب با نیاز کاربران به آنها پیشنهاد می دهند. یکی از الگوریتم های به کاررفته در این سیستم ها الگوریتم پالایش مشارکتی مبتنی بر کاربر است. مهم ترین بخش الگوریتم پالایش مشارکتی تعیین شباهت بین کاربران است. در این مقاله از یک عیار شباهتی استفاده می شود که وزن و نسبت رتبه دهی را برای تعیین شباهت درنظر میگیرد و به منظور یافتن بردار وزن مناسب، الگوریتم های تکاملی ترکیبی ازدحام ذرات و ژنتیک پیشنهاد داده و پیاده سازی می شود. همچنین الگوریتم های مذکور به صورت منفرد نیز پیاده سازی شده و مورد ارزیابی قرار می گیرد. نتایج به دست آمده نشان می دهد که روش پیشنهادی دقت پیشنهاد را بهبود می بخشد و باعث افزایش کیفیت پیش بینی و کارایی پیشنهاد می شود.

کلیدواژه ها:

سیستم های توصیه گر ، پالایش مشارکتی ، معیار شباهت ، الگوریتم ازدحام ذرات ، الگوریتم زنتیک