سیستم توصیه گر مبتنی بر شبکه های اجتماعی با استفاده از ماتریس user-item با در نظر گرفتن خصوصیاتی مانند سن و جنسیت

سیستم های توصیه گر سیستم هایی هستند که سعی دارند بر اساس عملکرد، سلیقه های شخصی، رفتارهای کاربر و بسته به زمینه هایی که در آن مورد استفاده قرار گرفته اند، به هر کاربر پیشنهادهایی را ارایه دهند که با تمایلات شخصی وی تطابق داشته و وی را در فرایند تصمیم گیری یاری نمایند. با رشد روز افزون تجارت در دنیای وب، آموزش الکترونیکی، افزایش ارتباط و اشتراک کاربران با یکدیگر و پیدایش شبکه های اجتماعی، لزوم طراحی و پیاده سازی چنین سیستم هایی غیر قابل انکار نیست. ما سیستم های توصیه گر مبتنی بر شبکه اجتماعی را براساس ماتریس user-item پیاده سازی می کنیم ، که ماتریس user-item را به صورت دو بعدی به منظور سهولت و افزایش دقت و سرعت پیاده سازی می کنیم و هم چنین فاکتورهایی دیگری از جمله جنسیت و سن را برای افزایش دقت در توصیه ها در نظر می گیریم. از الگوریتم خوشه بندی x-means برای دسته بندی کاربران بر اساس میزان سلایق و خصوصیات همچون سن و جنسیت، استفاده می کنیم. در مرحله بعد ما میزان شباهت بین کاربران را مورد بررسی قرار می دهیم که معمولا از ماتریس رتبه بندی استفاده می نماییم، اگر چه که اطلاعات دیگر همچون تگ ها می تواند در پیدا کردن میزان شباهت ها به ما کمک کند. کاربران می توانند منابع و داده های جالب را به اشتراک بگذارند و هم با کاربران دیگر که سلایق یکسانی دارند در ارتباط باشند. مجموعه داده استفاده شده ترکیبی از Movielens و Livemocha می باشد که در توسط نرم افزار Rapidminer پیاده سازی می شود، که نتایج نشان می دهد که تفکیک ماتریس user-item توسط خصوصیاتی مانند جنس و سن ، که توانست دقت و سرعت در توصیه ها را به طور قابل توجهی افزایش دهد.

کلیدواژه ها:

شبکه های اجتماعی ، سیستم های توصیه گر ، خوشه بندی ، ماتریس user-item ، مجموعه داده