ارائه روشی جدید برای محاسبه شباهت در سامانه های توصیه گر پالایش مشارکتی با استفاده از معیار درجه اهمیت

چکیده مقاله

حجم عظیم اطلاعات در فضای اینترنت باعث سردرگمی کاربران برای یافتن اطلاعات و کالا و یا خدمات مورد علاقه هر شخص شده است سیستم های پیشنهاد دهنده در جهت رفع این مشکل ایجاد شده اند این سیستم ها که سیستم های هوشمندی هستند در جهت شخصی سازی اطلاعات طراحی شده اند مزیت معرفی مفهوم اهمیت در سامانه های پیشنهاد دهنده جامع و به ویژه در سامانه های پیشنهاد دهنده که در آن ها تعیین اهمیت نسبی آسان است بسیار چشمگیر و حائز اهمیت می باشد یک روش جدید برای بهبود اطلاعات استفاده شده در فرآیند پالایش مشارکتی بوسیله وزن دار کردن امتیازات به آیتم ها بر طبق اهمیت و مقیاس پذیری آن ها می باشد در این پژوهش یک روشی جدید و سازماندهی شده بر مبنای درجه اهمیت در پالایش مشارکتی و مقیاس پذیری را ارائه می شود به نظر می رسد منطقی است که برخی از کاربران و همچنین برخی از آیتم ها در سامانه های توصیه کننده وجود داشته باشد که می توانند در تهیه توصیه ها بسیار مهم باشند در واقع یک روش جدید برای بهبود اطلاعات استفاده شده در فرایندهای فیلترینگ مشارکتی با ارزیابی امتیازات آیتم ها با توجه به اهمیت آنها معرفی می شود این فرآیند سازماندهی شده شامل مفاهیم مربنوط به شباهت و اقدامات و پیش بینی توصیه های کیفی می باشد

کلیدواژه‌ها

نویسندگان

الناز رحیمی راد

فارغ التحصیل کارشناسی ارشد مهندسی نرم افزار، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران

مهدی بازرگان

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

مجتبی اعجمی

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

�حیمی راد، الناز و بازرگان، مهدی و اعجمی، مجتبی،1398،ارائه روشی جدید برای محاسبه شباهت در سامانه های توصیه گر پالایش مشارکتی با استفاده از معیار درجه اهمیت،سومین کنفرانس بین المللی محاسبات نرم،رودسر

ارائه‌شده در

مجموعه مقالات سومین کنفرانس بین المللی محاسبات نرم29 آبان 1398 · رودسر