A NOVEL FUZZY-BASED SIMILARITY MEASURE FOR COLLABORATIVE FILTERING TO ALLEVIATE THE SPARSITY PROBLEM
محل انتشار: مجله سیستم های فازی، دوره: 14، شماره: 5
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 128
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFS-14-5_002
تاریخ نمایه سازی: 19 خرداد 1401
چکیده مقاله:
Memory-based collaborative filtering is the most popular approach to build recommender systems. Despite its success in many applications, it still suffers from several major limitations, including data sparsity. Sparse data affect the quality of the user similarity measurement and consequently the quality of the recommender system. In this paper, we propose a novel user similarity measure based on fuzzy set theory along with default voting technique aimed to provide a valid similarity measurement between users wherever the available ratings are relatively rare. The main idea of this research is to model the rating behaviour of each user by a fuzzy set, and use this model to determine the user's degree of interest on items. Experimental results on the MovieLens and Netflix datasets show the effectiveness of the proposed algorithm in handling data sparsity problem. It also outperforms some state-of-the-art collaborative filtering algorithms in terms of prediction quality.
کلیدواژه ها:
نویسندگان
Masoud Saeed
School of Electrical and Computer Engineering, Shiraz University, Shiraz, Iran
Eghbal G Mansoori
School of Electrical and Computer Engineering, Shiraz University, Shiraz, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :