توسعه سامانه هاي توصيه گر مشاركت محور با استفاده از شبكه توابع پايه شعاعي

فاقد عنوان

حجم فراوان و رو به رشد اطلاعات بر روي وب و اينترنت، فرايند تصميم‌گيري و انتخاب اطلاعات، داده يا محصولات مورد نياز را براي بسياري از كاربران وب دشوار كرده است. سامانه‌هاي توصيه‌گر با پيشنهادهايي متناسب با سليقه كاربران، آن‌ها را در انتخاب محصولات مورد علاقه ياري مي‌دهند. سامانه‌هاي توصيه‌گر مشاركت‌محور، دقيق‌‌ترين توصيه‌ها را با بررسي و كاوش كاربران قبلي از بانك اطلاعاتي، به كاربران جديد ارايه مي‌كنند به‌‌طوري كه با علايق آن‌ها مطابقت داشته ‌باشد. چالش‌هاي بسيار چشم‌‌گيري كه در سامانه‌هاي مشاركت‌محور وجود دارد عبارت هستند از: مقياس‌پذيري، تنك‌بودن (خلوتي) و شروع‌سرد. در اين مقاله به ارايه يك سامانه توصيه‌گر مشاركت‌محور با استفاده از شبكه توابع پايه شعاعي مي‌پردازيم. سامانه پيشنهادي داراي دو مرحله برون‌خط و برخط مي‌باشد. در مرحله برون‌خط، به تخمين مقادير صفر يا امتيازات داده نشده كاربران در ماتريس امتيازات كاربران به محصولات، با استفاده از شبكه توابع پايه شعاعي مي‌پردازيم. در اين مرحله براي تعيين مراكز توابع پايه شعاعي از الگوريتم خوشه‌بندي كي-ميانگين و براي يافتن وزن‌هاي آن‌ها از روش كاهش گراديان استفاده مي‌كنيم. در مرحله برخط، ابتدا كاربر فعالي وارد سامانه مي‌گردد. سپس به كمك ماتريس كامل به‌دست آمده از مرحله برون‌خط، كاربران را، از طريق محاسبه مقدار تابع تشابه پيرسون بين كاربر فعال و ساير كاربران به دو خوشه مثبت و منفي تقسيم مي‌كنيم و با رويكرد همسايه نزديك، پيشنهادهايي را به كاربر فعال وارد شده به سامانه بر اساس علايق او ارايه مي‌دهيم. در اين مقاله، مشكل مقياس‌پذيري را با استفاده از خوشه‌بندي كاربران، مشكل شروع سرد را با پيشنهاد محصولات با بالاترين امتياز و مشكل تنك بودن را با هموار نمودن ماتريس امتيازات به كمك شبكه توابع پايه شعاعي رفع مي‌نماييم. نتايج آزمايش‌ها بر روي داده‌هاي MovieLens 100K بيانگر بالابودن دقت و كيفيت پيشنهادهاي ارايه شده است.

not abstract