استفاده از مدل احتمالاتی و استخراج قوانین انجمنی برای ارائه پیشنهاد به کاربران ثبت نام نشده شروع سرد

سیستمهای توصیه گر جهت ارائه ی پیشنهاد به کاربران ثبت نام شده طراحی شده اند که کاربران ثبت نام نشده را میتوان حالت خاصی از چالش شروع سرد خالص در نظر گرفت. از آن جا که هیچ اطلاعاتی از کاربران ثبت نام نشده در دسترس نیست، سیستم توصیه گر هیچ برداشتی از سلیقه این کاربران ندارد، در نتیجه معمولا از محبوب ترین آیتم ها برای ارائه به این کاربرها استفاده میشود. با این حال کاربران ثبت نام نشده بخش ویژهای از سیستم های توصیه گر را تشکیل میدهند. بنایراین نیاز به روشهای پیچیده تری برای ارائه ی پیشنهادات به این کاربران احساس میشود. در اینجا ما به ارائه روشی بر پایه فرمول های ریاضی مبتنی بر احتمالات و ترکیب آن با قوانین استخراج شده از یک درخت پوشا می پردازیم که به کاربر این امکان را میدهد تا با تعامل هر چه بیشتر با سیستم به سلیقه خود نزدیکتر شود. مدل احتمالاتی ذکر شده در این روش بر اساس مقاله ای از هرناندو بوده که وجه تمایز آن در استفاده از قوانین انجمنی میباشد. مقدار RMSE بدست آمده در حالت چالش شروع سرد کاربران ثبتنام نشده برابر با ۰.۶۴۹ و مقدار MAE برای چالش شروع سرد جزئی برابر ۰.۷۱۸ می باشد که در هر دو حالت نتایج در مقایسه با مقاله های مشابه بهبود یافته است.

کلیدواژه ها:

سیستمهای توصیه گر ، پالایش گروهی ، چالش شروع سرد کاربر ، کاربر ثبت نام نشده ، درخت پوشا ، مدل احتمالاتی ، استخراج قوانین.