بهبود عملکرد سیستم های پالایش گروهی با استفاده از روشهای خوشه بندی

یکی از موارد مهم در سیستم های توصیه گر جهت توصیه آیتمی خاص به کاربری که تاکنون نظری در باره آن آیتم نداده است، ارائه توصیه بر اساس امتیازاتی است که کاربرانی مشابه با آن کاربر در سیستم تولید کرده اند می باشد، پس مهمترین چالشی که این نوع سیستم ها با آن مواجه می شوند تشخیص کاربران مشابه می باشد تا جایی که با توسعه مجموعه داده ها یافتن کاربران مشابه هم بسیار دشوار خواهد شد. در ضمن جستجو در حجم وسیعی از داده ها سرعت و دقت سیستم را بشدت کاهش خواهد داد. در این مقاله ابتدا با استفاده از روش های خوشه بندی، کاربران را با توجه به میزان شباهتی که به هم دارند در خوشه هایی قرار داده، سپس مناسبترین خوشه، جهت تولید پیشنهاد به کاربر مورد نظر مورد استفاده قرار می گیرد. سیستم پیشنهادی با استفاده از مجموعه داده های Jester مورد ارزیابی قرار گرفت. نتایج حاصل حاکی از بهبود کارایی سیستم توصیه گر می باشد.