ارائه مدلی برای سیستم های توصیه گر فیلم مبتنی بر رویکرد مشارکت محور

روش فیلترینگ مشارکتی از دو مشکل عمده رنج می برد: مشکل اول شروع سرد کاربران است و مشکل دوم نیز مسئله اعتماد کاربران وفادار است. در این مقاله با ترکیب روش محتوا محور و فیلترینگ مشارکتی به صورت بوستینگ یک سیستم توصیه گر طراحی شده است که علاوه بر حل مشکل شروع سرد، مسئله اعتماد را نیز پوشش می دهد. روش پیشنهادی شامل سه مرحله خوشه بندی اولیه کلیه کاربران و تعیین خوشه،تعیین وزن مناسب برای هر کدام از ویژگی ها و تعیین همسایگان نزدیک کاربر جدید، تشکیل ماتریس مجاورتی و محاسبه امتیاز کاربر جدید به هر فیلم. روش ارائه شده به منظور خوشه بندی اولیه، از سیستم محتوا محور بر اساس اطلاعات دموگرافیک کاربران استفاده می نماید. جهت شناسایی همسایگان نزدیک و ارائه پیشنهادات از فیلترینگ مشارکتی استفاده می کند. جهت انجام آزمایشها از بانک اطلاعاتی movielens استفاده شده است. نتایج نشان می دهد که میانگین مجذور خطای روش پیشنهادی نسبت به روش های پایه مانند نایوبیز، الگوریتم های C24.5، CM4.5،RCA، SVDو ApproSVD به ترتیب %8.59، %8.67، %8.45،%8.15 ، 4.5% و 6.05% کاهش یافته است.