بهینه سازی سیستم های پیشنهاد دهنده مبتنی بر چند دامنه در فروشگاه های مجازی با داده های بسیار بزرگ

استفاده از سلایق کاربر برای پیشنهاد کالاها و خدمات تاکنون بیشتر در یک حوزه کالایی یا خدماتی مورد استفاده قرار گرفته است. دراین تحقیق ترکیب سلیقه های کاربران در حوزه های متعدد کالایی و خدماتی در مجموعه داده های فروش یک سایت بسیار بزرگ موردبررسی و تحلیل قرار گرفته است. بررسی مبتنی بر چند دامنه سلایق کاربران منجر به تولید مدل کاربر جامع تر و پیشنهادهای مفیدترمی گردد. در این مقاله یک سیستم پیشنهاد دهنده مبتنی بر چند دامنه با استفاده از ترکیب دانش در حوزه های کالایی و خدماتیمختلف، پیشنهاد بهینه ای در حوزه ای که شناخت کمتری از کاربر در آن حوزه وجود دارد ارایه می نماید. برای شبیه سازی روش ارایهشلده از دیتاست های بسیار بزرگ آمازون استفاده شده است. دو دیتاستی که بیشترین ارتباط را با هم دارند بعنوان مجموعه داده هایمورد استفاده برای اجرای الگوریتم پیشنهادی در نظر گرفته شده است. نتیجه شبیه سازی نشان می دهد که با توجه به بالا بودن تعدادکاربران و تعداد آیتم ها نسبت به سایر مقالات، درصد خطای سیستم پیشنهادگر مبتنی بر چند دامنه ارایه شده از سیستم هایپیشنهادگر مشابه تا 15 % کمتر می باشد.