طراحی سیستم پیشنهاد دهنده فیلم با استفاده از روشهای boosting
Paper ID : 1207-ICTCK (R2)
Authors:
1الهام پروین نیا *, 2بهنام حیدری
1عضو هیات علمی
2دانشجوی کارشناسی ارشد
Abstract:
سیستم های پیشنهاد دهنده در زمینه های مختلفی از جمله فیلم، موزیک، شبکه های اجتماعی و غیره مورد استفاده قرار می گیرند. هدف این سیستمها ارائه پیشنهادات جذاب به کاربران با توجه به عملکردشان در سیستم است. محبوبترین سیستم های پیشنهاد دهنده مدلهای محتوا محور و فیلترینگ مشارکتی است. روش 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 و در نظر گرفتن کاربران وفادار را نیز پوشش می دهد. روش پیشنهادی شامل سه مرحله می باشد: (1)خوشه بندی اولیه کلیه کاربران و تعیین خوشه مناسب به کاربر جدید (2)تعیین وزن مناسب برای هر کدام از ویژگی های کاربران خوشه مورد نظر و تعیین همسایگان نزدیک کاربر جدید (3)تشکیل ماتریس مجاورتی امتیازات همسایگان نزدیک به فیلم های موجود و محاسبه امتیاز کاربر جدید به هر فیلم. روش ارائه شده به منظور خوشه بندی اولیه از قابلیت سیستم های محتوا محور با توجه به اطلاعات دموگرافیک کاربران استفاده می نماید.
Keywords:
سیستم پیشنهاد دهنده، چالش شروع سرد، بوستینگ، معیار شباهت ترکیب
Status : Paper Accepted