بهبود نتایج و عملکرد سیستم توصیه گر پالایش مشارکتی با استفاده از شبکه عصبی مصنوعی

سیستم های توصیه گر با تحلیل رفتار کاربران و جمع آوری اطلاعات آنان، توصیه های مفیدی متناسب با نیاز کاربران به آنان پیشنهاد می دهند. یکی از الگوریتم های بکار رفته در این سیستم ها روش پالایش مشارکتی مبتنی بر کاربر است. ایده این است که اگر کاربران علایق مشابهی در گذشته داشته باشند در آینده نیز احتمالا سلیقه های مشابهی خواهند داشت. مهمترین بخش الگوریتم پالایش مشارکتی مبتنی بر کاربر به تعیین شباهت بین کاربران اختصاص دارد. ما در این مقاله یک معیار شباهت جدید و بهینه از طریق ترکیب خطی ساده از وزن ها و نسبت رتبه بندی ها به کمک داده کاوی و استفاده از مدل شبکه عصبی مصنوعی پیشنهاد و آزمایش کرده ایم و نتایج حاصل را با معیار شباهت سنتی پیرسون و معیار شباهت بهینه ی مبتنی بر الگوریتم ژنتیک مقایسه نموده ایم. نتایج مقایسه ها نشان می دهد که روش پیشنهادی نه تنها دقت توصیه را بهبود می بخشد، بلکه باعث افزایش کیفیت پیش بینی و کارایی توصیه نیز می گردد.