مروری بر روش های محاسبه معیار شباهت در سیستم های توصیه گر

سیستم توصیه گر ماشینی است که با گرفتن ورودی از کاربر نهایی و دیگر کاربران جامعه اطلاعاتی و پردازش آنها با استفاده از تکنیک های توصیه گری، خروجی منحصر به فردی برای کاربر خاص تولید می کند . این خروجی می تواند یک توصیه، پیش بینی و یا رتبه بندی از طرف سامانه باشد. در ادامه متغیرهایی چون درجه شخصی سازی که تعیین کننده میزان هماهنگی خروجی با کاربر منحصر به فرد است و می تواند طیف وسیعی از خروجی های کاملا شخصی شده برای کاربر تا خروجی های نیمه شخصی و خروجی های عامرا در بر گیرد. در این پژوهش ابتدا به معرفی سیستم های توصیه گر پرداخته سپس روش ها یا پارامترها و یا معادلاتی را مورد ارزیابی قرار خواهیم داد که وظیفه آنها بررسی معیار شباهت در این سیستم ها می باشد. معیارهای کاربردی و پرکاربرد در سیستم های توصیه گر که از آنها جهت شناسایی معیارهای شباهت بین کاربران و یا محصولات استفاده خواهد شد را معرفی خواهیم نمود.