بهبود روش های طراحی سیستم های توصیه گر مبتنی بر الگوریتم های خوشه بندی

رشد روز افزون تجارت الکترونیک در فضای مجازی باعث معرفی محصولات و خدمات متنوع و بسیاری از سوی شرکت های فعال در این حوزه شده است. در چنین شرایطی انتخاب مناسب و بهینه از میان حجم انبوهی از انتخاب های ممکن برای کاربران مشکل می شود. سیستم های توصیه گر با توجه به ویژگی ها، علایق و رفتار کاربران سعی می کنند بهترین و مناسب ترین آیتم ها را به طراحی شده است. 2 کاربران خود پیشنهاد دهند. در این مقاله یک سیستم توصیه گر مبتنی بر الگوریتم خوشه بندی DBSCAN عملکرد سیستم طراحی شده با استفاده از سه دیتاست FilmTrust, Ratings 1M MovieLens, Ratings 100K MovieLensو براساس معیارهای ارزیابی سیستم های توصیه گر مورد ارزیابی قرار گرفته و دقت و عملکرد سیستم با روش خوشه بندی -k means مقایسه شده است. نتایج آزمایشات صحت و دقت قابل رقابت روش پیشنهادی در مقایسه با خوشه بندی means-k را نشان می دهد.