استفاده از الگوریتم ژنتیک برای انتخاب الگوریتم در سیستم توصیه گر

تاکنون روشهای متنوعی برای تولید پیشنهادات در سیستمهای توصیه گر به کار برده شده اند، دسته مهمی از آنها الگوریتم های فیلترینگ مشارکتی نام دارند که در آنها از شباهت کاربران بر اساس الگوهای امتیازدهی برای تولید پیشنهادها استفاده می شود. روش بهینه که بهترین لیست از پیشنهادها را تولید کند، همواره یکسان نیست و متناسب با داده های موجود، این الگوریتم در میان الگوریتم های فیلترینگ مشارکتی، تغییر میکند؛ به همین دلیل، انتخاب روش مناسب برای ایجاد یک سیستم توصیه گر، به چالشی برای طراحان این سیستم تبدیل شده است. در این مقاله روشی مبتنی بر الگوریتم ژنتیک برای اجتماع نتایج روشهای همسایه محور و انتخاب بهترین پیشنهادها از بین پیشنهادهای تولید شده توسط روشهای مختلف برای یک سیستم توصیه گر با هدف پیشنهاد N آیتم برتر ارائه شده است. روش پیشنهادی برای هر مجموعه داده، یک ترکیب از روشهای فیلترینگ مشارکتی ایجاد میکند که به دلیل استفاده از اطمینان و استفاده از روشهای متنوع محاسبه شباهت و مرتبسازی پیشنهادهای هر روش دقت مناسبی دارد. این روش با روشهای فیلترینگ مشارکتی همسایه محور به-صورت مجزا و همینطور سیستمهای مشابه با استفاده از دیتاست Movielens۱۰۰k و Movielens ۱M مقایسه شده-است. آزمایشها برتری و توانایی تولید پیشنهادهای دقیق تر به کاربران با این روش را نشان میدهد.