ارائه یک مدل ترکیبی در سیستم های توصیه گربه منظور بهبود مشکل شروع سرد آیتم ها

چکیده مقاله

در دنیای امروز خرید از طریق اینترنت در حال تبدیل شدن به یکی از امور روزمرهی مردم می باشد از طرفی حجم فزایندهی اطلاعات در مورد اقلام و خدمات در فضای مجازی باعث سردرگمی روزافزون خریداران اینترنتی خواهد شد هر فرد براساس ویژگی های فردی، اجتماعی، محیطی و دارای یک سری نیازهای مختص به خود می باشد که با شناختن این ویژگی ها می توان پیشنهادهای شخصی شدهی مناسبی را به وی ارائه نمود برای تحقق این امر از سیستم های توصیه گر استفاده می شود در این سیستم ها یکی از مشکلات اساسی شروع سرد می باشد این مشکل زمانی رخ می دهد که یک کاربر یا آیتم جدید وارد سیستم می شود و به آیتم و کاربر جدید به دلیل عدم امتیازدهی و دریافت امتیاز به ترتیب کالا و کاربر معرفی نخواهد شد شروع سرد به شروع سرد ناقص و کامل تقسیم می گردد که در شروع سرد ناقص درصد پراکندگی ماتریس رتبه بندی حدود 85 درصد به بالا و در شروع سرد کامل حدود 100 درصد می باشد با توجه به مشکل مطروحه ما در این مقاله مدلی را طراحی نمودیم که از ترکیب روش پالایش مشارکتی مبتنی بر پویای زمانی و شبکه های یادگیری عمیق به منظور بهبود مشکل شروع سرد ایتم ها بدست می آید با توجه به نتایج بدست آمده از روش پیشنهادی، با ترکیب روش های مذکور نسبت به سیستم های توصیهگر موجود هم باعث دقیق تر شدن پیش بینی ها شده و باعث بهبود در شروع سرد آیتم ها گردیده است

کلیدواژه‌ها

نویسندگان

سعید ساریخانی

کارشناسی ارشد مهندسی فناوری اطلاعات موسسه آموزش عالی ادیبان

محمدرضا عباسی فرد

دکتری تخصصی مهندسی کامپیوتر موسسه آموزش عالی ادیبان

�اریخانی، سعید و عباسی فرد، محمدرضا،1399،ارائه یک مدل ترکیبی در سیستم های توصیه گربه منظور بهبود مشکل شروع سرد آیتم ها،هفتمین کنگره ملی تازه یافته های مهندسی برق ایران،تهران

ارائه‌شده در

مجموعه مقالات هشتمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران28 بهمن 1400 · تهران