بهبود صحت در سيستمهاي پيشنهاددهنده مبتني بر برچسب با كشف كاربران خاكستري

در سالهاي اخير، حجم اطلاعات ديجيتال در دسترس به صورت نمايي در حال افزايش است. سيستمهاي پيشنهاددهنده در ميان انبوهي از اين اطلاعات به كاربران كمك نموده و آنها را به سمت اطلاعات موردنياز خود هدايت ميكنند. اما آنچه اهميت دارد چگونگي فيلتر كردن و تحويل اطلاعات موثر و مرتبط به كاربران است. با توجه به اين موضوع كه روشهاي فيلترينگ مبتني بر مشاركت، اغلب به همراه ديگر تركيبهاي تفكيك كننده به كار برده مي شوند، نقش مهمي در سيستمهاي پيشنهاد دهنده ايفا ميكنند. در سيستمهاي پيشنهاددهنده مبتني بر مشاركت از اطلاعات همسايگان مرتبط با كاربر موردنظر به منظور پيشنهاد منبع بهره ميگيريم .بنابراين، انتخاب همسايگاني با اطلاعات واقعي، صحيح و مرتبط از اهميت ويژهاي برخوردار است .اما وجود كاربران خاكستري يكي از چالشهاي بزرگ پيش روي اين سيستمها ميباشد كه باعث توليد ليستهاي خروجي با دقت پايين و دور شدن سيستمهاي پيشنهاددهنده از هدف اصلي مي شود. در اين مقاله به منظور كشف كاربران خاكستري، چند ماژول مستقل معرفي شده است. در هر يك از اين ماژولها، تكنيك هاي خوشه بندي و همچنين كلمات مرتبط و مفاهيم معنايي به منظور كشف كاربران خاكستري برروي پايگاه داده دليشز مورداستفاده قرار گرفتهاند. در انتها از يك ماژول تجميع به منظور جمعآوري اطلاعات و تامين دادههاي ورودي براي سيستم پيشنهاددهنده از چهار ماژول كشف كاربران خاكستري استفاده شده است. بر اساس نتايج بدست آمده، كشف و صرف نظر از اين كاربران، سبب بهبود صحت و كارايي در ارائه پيشنهادات به كاربران نهايي شده است.