سیستم های توصیه گر بهبود یافته

650,000 ریال بدون مالیات.

امروزه با گسترش  اینترنت در حوزه وب باعث پیدایش  افزایش تعداد کاربران در اینترنت شده است که این کاربران برای راحتی و حذف محدوده جفرافیایی بتوانند نیاز‌های روزمره خود را طبق علایق و سلایق خود برطرف سازند.  در سیستم‌های پیشنهاددهنده با توجه به طبقه‌بندی متدها به هشت متد تقسیم‌بندی می‌شود که در هر متد به روش‌ خاصی در این سیستم‌ها به کاربران پیشنهادات و پیش‌بینی‌های لازم را ارائه می‌دهد که عبارت‌اند از: فیلترینگ همبستگی (مشارکتی) ، فیلترینگ مبتنی بر محتوا، فیلترینگ الگوریتم‌ های غیر شخصی فیلترینگ مبتنی بر اجتماع، فیلترینگ استخراج داده، فیلترینگ مبتنی بر دانش، فیلترینگ آگاه از محتوا و فیلترینگ ترکیبی که مهم‌ترین متد سیستم پیشنهاد دهنده در بین سایر متدها، متد فیلترینگ مشارکتی (همبستگی) می‌باشد. در این روش به صورت کاملا پویا تعداد خوشه‌ها را در دیتاست مربوط به سیستم‌های پیشنهاددهنده  توسط الگوریتم خوشه‌بندیc3m بر روی دیتاست به نام Movielens ml-100k که دارای صدهزاز داده در چهار ورودی می‌باشد را برآورد کرده و همچنین الگوریتم k-means را بهینه کرده و عملیات خوشه‌بندی نهایی را به خوبی به کمک این روش انجام داده که در صورت ورود کاربر هدف بعد از عملیات خوشه‌بندی و جستجوی خوشه مشابه با مطابقت دادن اطلاعات پروفایلینگ  که شامل یکسری آیتم‌های که با رتبه‌بندی کاربران مشابه در خوشه مشابه مبتنی بر فیلترینگ همبستگی که یکی از متدهای آن الگوریتم KNN انجام شده، آن با هر سرخوشه (نماینده خوشه) خوشه مشابه خود را یافته و بر اساس آیتم‌های رتبه‌بندی شده در اطلاعات دموگرافیک نزدیکترین همسایه‌ها(کاربران-آیتم همسایه و مشابه)را می‌یابد و آیتمی که بیشترین رتبه را در بین سایر کاربران مشابه کسب کرده در لیست top-n کاربر ذخیره می‌گردد و در قالب یک پیشنهاد ارائه می‌گردد.

978-622-245-827-0
حمیدرضا آوینی
آفتاب گیتی
نظامهای توصیه گر
1400
وزیری
شومیز
180
اول