بهبود سیستم های توصیه گر مبتنی بر برچسب با استفاده از آنتولوژی

با توجه به اضافه بار اطلاعات در شبکه ی گسترده ی جهانی، کاربر در انتخاب اقلام با مشکل مواجه است. سرویس های فهرست بندی اجتماعی به کاربران اجازه میدهند که محصولات یا خدمات را استفاده کرده و نظرات و تجربیات خود را به اشتراک بگذارند که نه تنها برای خود، بلکه برای کاربران دیگر نیز موثر واقع می شوند. سیستم های توصیه گر با توجه به رفتار کاربران و ویژگی های محصولات، توانستند تاثیر بسزایی در انتخاب اقلام بگذارند. در این مقاله یک روش توصیه مبتنی بر برچسب، با توجه به احساسات منعکس شده در برچسب های کاربر پیشنهاد شده است. عملکرد روش پیشنهادی به این صورت است که امتیاز احساسی برچسب ها با دیگر اطلاعات دریافت شده از کاربر و همچنین اطلاعات محتوایی اقلام، ترکیب شده و میزان شباهت میان آنها بدست آورده میشود. این فرآیند درنهایت، به بهبود عملکرد سیستم توصیه گر کمک میکند. آزمایش روش پیشنهادی بر روی پایگاه داده ی واقعی Movielense نشان میدهد که این روش، عملکرد بهتری نسبت به کارهای قبلی دارد و در پیش بینی رتبه، خطا را کاهش و دقت را افزایش داده است.