سیستم توصیه گر فیلم ابتکاری با استفاده از روش تجزیه ماتریس به مقادیر منفرد با ابعاد کاهش یافته تکرار شده

سیستم‌های توصیه‌گر یکی از ضروری ترین ابزارهای هوشمندسازی تجارت الکترونیک است. این سیستم‌ها با انواع مختلف روش‌های فیلتر کردن داده‌ها و داده‌کاوی، قادر به انتخاب و ارایه بهترین پیشنهادات از بین انبوه موارد قابل انتخاب برای مشتریان هستند. در بین روش‌های متنوع سیستم‌های توصیه‌گر، فیلترهای اشتراکی پرکاربردترین روش برای ارایه پیشنهادات است. فیلترهای اشتراکی دامنه وسیعی از الگوریتم‌ها را شامل می‌شود و در این بین، روش تجزیه ماتریس به مقادیر منفرد یکی از مدل‌های پیشرفته در فیلتر اشتراکی است. در این مقاله به ارایه مدلی بهینه شده از سیستم توصیه‌گر فیلم مبتنی بر روش تجزیه مقادیر منفرد پرداخته شده که ضمن کاهش ابعاد ماتریس و کاهش حجم محاسبات و حافظه، با روش تکرار جاگذاری، دارای دقت مناسب نسبت به روش تجزیه ماتریس به مقادیر منفرد ساده و سایر روش‌های دیگر است. برای این پژوهش از مجموعه دیتاست‌های 100 هزار امتیازی مووی لنز و از برنامه نویسی پایتون استفاده شده‌است. ارزیابی میزان خطا با روش‌های جذر میانگین مربعات خطا و میانگین قدر مطلق خطا، نشان از بهبود مناسب نسبت به روش‌های مشابه در مراجع دیگر دارد.