طراحي سيستم پيشنهاد دهنده فيلم با استفاده از روشهاي boosting

سيستم هاي پيشنهاد دهنده در زمينه هاي مختلفي از جمله فيلم، موزيك، شبكه هاي اجتماعي و غيره مورد استفاده قرار مي گيرند. هدف اين سيستمها ارائه پيشنهادات جذاب به كاربران با توجه به عملكردشان در سيستم است. محبوبترين سيستم هاي پيشنهاد دهنده مدلهاي محتوا محور و فيلترينگ مشاركتي است. روش مشاركتي از دو مشكل عمده رنج مي برد: مشكل اول شروع سرد كاربران است و مشكل دوم نيز مسئله اعتماد كاربران وفادار است. در اين مقاله با تركيب روش محتوا محور و فيلترينگ مشاركتي به صورت بوستينگ يك سيستم توصيه گر طراحي شده است كه علاوه بر حل مشكل شروع سرد، مسئله اعتماد و در نظر گرفتن كاربران وفادار را نيز پوشش مي دهد. روش پيشنهادي شامل سه مرحله مي باشد: (1)خوشه بندي اوليه كليه كاربران و تعيين خوشه مناسب به كاربر جديد (2)تعيين وزن مناسب براي هر كدام از ويژگي هاي كاربران خوشه مورد نظر و تعيين همسايگان نزديك كاربر جديد (3)تشكيل ماتريس مجاورتي امتيازات همسايگان نزديك به فيلم هاي موجود و محاسبه امتياز كاربر جديد به هر فيلم. روش ارائه شده به منظور خوشه بندي اوليه از قابليت سيستم هاي محتوا محور با توجه به اطلاعات دموگرافيك كاربران استفاده مي نمايد.نتايج بدست آمده نشان مي دهد كه ميانگين خطاي واقعي و مجذور مربع ميانگين روش پيشنهادي نسبت به روشهاي نايوبيز، C24.5، CM4.5 و RCA در حدود 8.4% بهيود داشته است.