سمانه نعمت نیا - کارشناس ارشد نرم افزار، دانشگاه آزاد مشهد
حسن احمدی ترشیزی - استادیار،دانشگاه آزاد مشهد
قمرناز تدین تبریزی - استادیار،دانشگاه آزاد مشهد

امروزه به دلیل گستردگی رقابت در دنیای تجارت الکترونیک، یافتن روشهای مؤثر در جذب مشتریان و کاربران از اهمیت ویژه ای برخوردار است. یکی از این روش ها استفاده از الگوریتم های مربوط به سیستم های توصیه گر در وبگاه های تجاری است و بدین ترتیب امکان استخراج علایق مشتریان و پیشنهاد مناسبترین محصولات به آنان با به کارگیری شیوه های داده کاوی میسر می گردد. با توجه به مطالعات فراوانی که بر روی این نوع الگوریتم ها انجام شده اند، مسئله پیش بینی امتیازات و حل مشکلات این الگوریتم ها که به دلیل کمبود اطلاعات اولیه ورودی توسط مشتریان به مشکل شروع سرد معروف هستند، یکی از عمده ترین چالش های موجود در الگوریتم های پالایش مشارکتی می باشند. سیستم پیشنهادی از تکنیک استخراج قوانین انجمنی و فیلترینگ مشارکتی برای پیشنهادهای شخصی سازی شده به منظور به حداقل رساندن مشکلات شروع سرد و پراکندگی داده ای که درروش فیلترینگ مشارکتی وجود دارند، استفاده می نماید. استخراج قوانین انجمنی در این روش، بر اساس الگوریتم اپریوری و خوشه بندی غنی شده با الگوریتم های تکاملی است، استفاده می شود.در این روش با توجه به اینکه قوانین انجمنی فقط روی اعضای یک خوشه که توسط الگوریتم ترکیبی ازدحام ذرات و ژنتیک بهبود یافته انجام می شود، پیدا کردن قوانین انجمنی نسبت به روش های دیگر سریع تر و قوانین کاراتر استخراج می شوند. در سیستم پیشنهادی از مدل سازی کاربر، مدل فیلترینگ مشارکتی و قوانین انجمنی استفاده می شود و کارایی روش توصیه شده با روش های سنتی مقایسه می شود و نشان داده می شود که این سیستم می تواند به کارایی بهتری دست یابد.

سیستم پیشنهاددهنده، تجارت الکترونیک، خوشه بندی، الگوریتم ازدحام ذرات، الگوریتم ژنتیک، قوانین انجمنی