بهبود عملکرد سیستم‌های توصیه گر با استفاده از خوشه بندی فارسی و اطلاعات پرو فایل کاربران

یکی از عامل‌های مؤثر بر کارآیی یک سیستم توصیه گر معیار اندازه‌گیری شباهت است. معیار اندازه‌گیری با کمک اطلاعاتی که از کاربران دریافت می‌کند شباهت بین کاربران را می‌سنجد. هدف این مقاله بهبود عملکرد سیستم‌های توصیه گر با استفاده از یک معیار اندازه‌گیری شباهت جدید است . این نگاه از اطلاعات پرو فایل کاربران برای محاسبه شباهت بین کاربران استفاده می‌کند. آزمایشات بر روی مجموعه داده مووی لنز انجام شده است و نتایج آنان حاکی از اینست که معیار پیشنهادی توانسته موجب افزایش کارآیی سیستم‌های توصیه گر شود.

کلیدواژه ها:

سیستم‌های توصیه گر ، معیار اندازه‌گیری شباهت ، خوشه بندی فازی