حل مشکل شروع سرد در سیستم های توصیه گر با استفاده از کاربران مجازی و روش یادگیری مدل

یک سیستم توصیه گر از ابزارهای الگوریتمی برای کار با داده در دسترس مربوط به علایق کاربر برای پیشنهاد موردهای موردعلاقه استفاده می کند. الگوریتم های مربوط به فیلترینگ همکار در بین موثرترین الگوریتم های توصیه قرار دارند چون مقدارزیادی از داده مربوط به علایق در مورد یک کاربر خاص و جامعه مربوط به او گردآوری می شود. موارد جدید و کاربران جدید کهرفتار آنها ناشناخته است به طور پیوسته به سیستم توصیه گر افزوده می شوند. در نتیجه توصیه ها ممکن است از مشکل شروعسرد معروف تاثیر منفی بگیرند. در این مقاله ما به بررسی مشکل شروع سرد می پردازیم و برای حل این مشکل راه حل هایی ارائهمی دهیم. از جمله این راه حل ها استفاده از ربات ها یا کاربران مجازی است که به سیستم وارد می کنیم. یک ربات می تواند بهصورت یک کاربر یا مورد مصنوعی تولید شود. همچنین در ادامه به بررسی روش دیگری برای حل مشکل شروع سرد می پردازیمکه از روش یادگیری مدل استفاده می کند و از سه مرحله پیش پردازش داده و یادگیری مدل و مرحله توصیه تشکیل شده است.

کلیدواژه ها:

سیستم های توصیه گر ، فیلترینگ همکار ، شروع سرد ، کاربران مجازی ، یادگیری مدل ، سیستم شروع سرد ، پیش پردازش داده