ارایه معیار شباهت بهینه برای محاسبه شباهت میان کاربران در سیستم های توصیه گر مشارکتی

هدف اصلی سیستم های توصیه گر پیدا کردن آیتمهای مورد علاقه کاربران در میان انبوه آیتم ها میباشد. در روش فیلترینگ مشارکتی که از موفقترین روش های سیستم های توصیه گر می باشد، به این صورت است که اگر دو کاربر رای یکسان بر روی آیتمهای مشترک داشته باشند، انگاه آنها علاقه های یکسانی دارند. از کلیدیترین اجزا در سیستم های توصیه گر، بخش پیدا کردن همسایه های کاربر فعال میباشد که اگر به درستی انتخاب شود، میتواند صحت پیشنهادات را به طرز چشمگیری افزایش دهد. یکی از راه های یافتن همسایه ها، استفاده از معیارهای اندازه گیری شباهت میباشد. اندازه گیری شباهت، از رای آیتم های مشترک، برای محاسبه شباهت بین کاربر فعال و سایر کاربران استفاده میکند.معیارهای شباهتی که در تحقیقات اخیر به طور گستردهای استفاده شده است،عموما دارای معایبی همچون عدم لحاظ کردن تعداد آیتم های مشترک، عدم لحاظ کردن ارزش امتیازات میباشد. در این تحقیق و در روش پیشنهادی، این معایب بر طرف شده است و یک ضریب جدید بهبودیافته معرفی شده است. ضریب پیشنهادی نزدیک ترین افراد به یکدیگر را پیدا کرده و خطای پیشنهادات را به طرز چشمگیری کاهش میدهد. برای بررسی عملکرد و ارزیابی نتایج روش پیشنهادی، از دو مجموعه داده MovieLens100k و Jester استفاده کردهایم. در نتایج شبیه سازی، روش پیشنهادی دارای کمترین خطا نسبت به سایر روشهای موجود میباشد.

کلیدواژه ها:

سیستم های پیشنهادگر ، فیلترینگ مشارکتی ، معیارشباهت