شخصی سازی پیشنهاد موسیقی با استفاده از روش پالایش مشارکتی برمبنای بازخورد کاربر

با افزایش سریع اطلاعات، به سیستمی که با دادن پیشنهادات مناسب با نیاز یک کاربر (پیشنهادات شخصی سازی شده)، او را از مرور تمام آیتم ها باز دارد، احساس نیاز می شود. امروزه سعی در ساخت سیستمی توصیه گر با درصد خطای کم و سرعت بالا، به یکی از پرطرفدارترین حوزه های تحقیقاتی دانشگاهی تبدیل شده است. یک سیستم توصیه گر با قابلیتی که در جمع آوری اطلاعات مربوط به سلایق، علایق و اولویت های کاربران، دسته بندی و تفسیر آنها دارد، امکانی فراهم می آورد که کاربران با صرف زمان و انرژی کمتر به اطلاعات مورد نظر خود دسترسی پیدا کنند. اصل اساسی سیستم های توصیه گر پالایش مشارکتی این است که گروهی از کاربران مشابه به یک کاربر داده شده، (یعنی کسانی که تعداد زیادی از عناصر را در یک روش مشابه امتیاز داده اند) بتوانند برای پیش بینی رتبه های فردی روی محصولاتی که این کاربر دانشی از آنها ندارد مورد استفاده قرار گیرند. در این مقاله یک تابع شباهت جدید برای اندازه گیری شباهت بین کاربران ارایه می شود که قابل استفاده در الگوریتم های پالایش مشارکتی در سیستم های توصیه-گر است. تابع شباهت پیشنهادی از طریق یک ترکیب خطی ساده از مقادیر و وزن ها فرموله شده است که این وزنها حاصل تاثیر اطلاعات شخصی کاربر می باشد. مقادیر برای هر جفت از کاربران که بین آنها شباهت به دست آمده، محاسبه شده است.