ارتقاي سيستم پالايش مشاركتي مبتني بر مورد با استفاده از يك روش خوشه بندي بهينه

سيستم هاي توصيه گر امروزه در بسياري از تجارت هاي الكترونيكي نقشي مهم ايفا ميكنند. در اين بين تكنيك هاي مبتني بر پالايش مشاركتي در سالهاي اخير از جمله محبوبترين و متداولترين روشهاي بكارگرفته شده در سيستمهاي توصيهگر به شمار ميروند. با اين وجود اكثر سيستمهاي پالايش مشاركتي از مشكل مقياسپذيري پايين رنج ميبرند چرا كه با افزايش تعداد كاربران و موردهاي موجود در سيستم، پيچيدگي محاسباتي اين سيستمها افزايش مييابد. از همين رو براي حل مشكل مقياسپذيري، در اين پژوهش يك روش خوشهبندي بهينه به عنوان مرحله پيشپردازش در روش پالايش مشاركتي مبتني بر مورد پيشنهاد شده است. در روش پيشنهادي ابتدا روش خوشهبندي K-meansبا بهرهگيري از الگوريتم ژنتيك بهبود داده شده و براي دستهبندي موردها استفاده شده است. در مرحله بعدي موردهاي درون هر خوشه به عنوان همسايه در نظر گرفته شده و پيشبيني امتيازدهي براساس روش پالايش مشاركتي مبتني بر مورد صورت ميپذيرد. در نهايت از طريق نتايج آزمايش، مقياسپذيري بالاتر روش پيشنهادي نسبت به روش مبتني بر مورد نشان داده ميشود.