سیستم پیشنهاد دهنده منبع مبتنی بر شبکه دو بخشی در الگوریتم های انتشار

امروزه به علت افزایش روز افزون حجم داده ها، یافتن اطلاعات درست و مناسب تبدیل به یکی از مسائل مهم و شایان توجه شده و همواره نیازمند سیستمی هستیم که بتواند در زمانی کم از بین حجم وسیعی از داده ها، اطلاعات مناسب را برای ما پیدا کند. راهکار این مشکل سیستم های پیشنهاد دهنده می باشد. سیستم های پیشنهاد دهنده سعی می کنند به کمک بررسی رفتار کاربران در گذشته، علایق آنها را تشخیص داده و با توجه به آن، از بین حجم وسیعی از داده، پیشنهادهای مناسبی را به آنها ارائه دهند. مهمترین مشکل در این سیستم ها زمانی است که کاربر برای اولین بار وارد سیستم شده باشد و پروفایل کاربری او به صورت تهی است، از اینرو با استفاده از روش مبتنی بر مشارکت هیچ کاربر مشابهی برای این کاربر یافت نمی شود که این خود معرف مشکل شروع سرد می باشد. در این مقاله سیستم پیشنهاد دهنده ی منابع بر اساس شبکه دو بخشی معرفی نموده ایم که توانایی کمک به کاربر در انتخاب منبع مناسب را پوشش می دهد. در این سیستم پیشنهادات به کاربر بر اساس علائق شخصی کاربر و علائق کاربران مشابه انجام می شود. همچنین از اطلاعات محتوای منابع مورد نظر و پایگاه های اطلاعاتی مرتبط با هستان شناسی و کلمات مرتبط به منظور یادگیری مدل بهتری از رفتار کاربر استفاده شده است. ارزیابی سیستم پیشنهادی بر روی مجموعه داده ی استخراج شده از سایت دلیشز انجام شده است. نتایج ارزیابی در مجموع پیشنهادی نارسائی و نقاط ضعف موجود در روش های دیگر را بر طرف کرده است.