ارائه مدلي براي سيستم هاي توصيه گر فيلم مبتني بر رويكرد مشاركت محور

روش فيلترينگ 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 را نيز پوشش مي دهد. روش پيشنهادي شامل سه مرحله خوشه بندي اوليه كليه كاربران و تعيين خوشه،تعيين وزن مناسب براي هر كدام از ويژگيها و تعيين همسايگان نزديك كاربر جديد، تشكيل ماتريس مجاورتي و محاسبه امتياز كاربر جديد به هر فيلم. روش ارائه شده به منظور خوشه بندي اوليه، از سيستم محتوا محور بر اساس اطلاعات دموگرافيك كاربران استفاده مي نمايد. جهت شناسايي همسايگان نزديك و ارائه پيشنهادات از فيلترينگ مشاركتي استفاده مي كند. جهت انجام آزمايشها از بانك اطلاعاتي movielens استفاده شده است. نتايج نشان مي دهد كه ميانگين مجذور خطاي روش پيشنهادي نسبت به روش هاي پايه مانند نايوبيز، الگوريتم هاي C24.5، CM4.5،RCA، SVDو ApproSVD به ترتيب %8.59، %8.67، %8.45،%8.15 ، 4.5% و 6.05% كاهش يافته است.