رویکرد ترکیبی خوشه بندی krillkmeans برای جداسازی بهتر کاربران در سیستم های توصیه گر پالایش مشارکتی

چکیده مقاله

موضوع جداسازی کاربرا در پایگا ه داده سلایق،از اهیمت خاصی برخوردار است زیرا وجود کاربران خاکستری نرخ خطای پیشنهاد ر ا برای کاربران سفید افزایش می دهد خوشه بندی کامینز یکی از تکنیک های خوشه بندی و جداسازی کاربران در سیستم های پالایش مشارکتی است که رویکرد مشخصی برای انتخاب اولیه خوشه ها ندارد و ممکن است در نقاط بهینه محلی گرفتار شود استخراج ویژگی های مختلف ماتریس سلایق برای انتخاب مراکز اولیه خوشه ها نسخه های جدیدی از الگوریتم کامینز را به نام های kMeans ، PkMeans و MkMeans ومعرفی کرده است در این مقاله به منظور تعیین مراکز بهینه خوشه ها و پرهیز از بهینه های محلی نسخه های مختلف کامینز با الگوریتم Krillترکیب شده و رویکرد ترکیبی جدیدی به نام KrillkMeans معرفی می شود در رویکرد ترکیبی پیشنهادی KrillkMeans جمعیت اولیه الگوریتم فراابتکاری کریل با راه حل تولید شده توسط الگوریتم های توسعه یافته کامینز مانند kMeans، PkMeans و MkMeans مقدارد هی می گردد نتایج ارائه شده برای دو دیتاستMovieLens وFilmTrust نشان مید هد که تعیین مراکز بهینه خوشه ها با الگوریتم ترکیبیKrillkMeans کیفیت خوشه ها و جداسازی کاربران را بهبود داده و دقت پیشنهادات را برای کاربران سفید افزایش می دهد

کلیدواژه‌ها

نویسندگان

رحیم رشیدی

گروه کامپیوتر ،واحد بوکان دانشگاه آزاد اسلامی ،بوکان،ایران

فاروق اشکوتی

گروه کامپیوتر ،واحد مهاباد،دانشگاه آز اد اسلامی،مهاباد،ایران

�شیدی، رحیم و اشکوتی، فاروق،1401،رویکرد ترکیبی خوشه بندی krillkmeans برای جداسازی بهتر کاربران در سیستم های توصیه گر پالایش مشارکتی،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�

ارائه‌شده در

مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز