سینا دامی - استادیار، گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران غرب تهران، ایران
نایله قره شیخ بیات - دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران غرب تهران، ایران

یک سیستم توصیه گر از الگوریتم هایی برای پیشنهاد دادن آیتم های مورد علاقه کاربر استفاده می کند. این سیستم ها با تحلیل رفتار کاربران خود، اقدام به پیشنهاد بهترین آیتم ها خواهند کرد. آیتم های جدید به طور پیوسته به سیستم توصیه گر افزوده می شوند. در نتیجه ممکن است آیتم های جدیدی که مطابق سلیقه ی کاربر هستند، شامل توصیه ها نباشند. این مشکل تحت عنوان شروع سرد آیتم مطرح است. برای حل این مشکل ما مدل میدان تصادفی مارکوف را با تلفیقی از هشتگ گذاری آیتم ها پیشنهاد دادیم. برای ارزیابی روش پیشنهادی از مجموعه داده Movielens بهره جستیم . نتای ج تجربی نشان میدهد که روش پیشنهادی می تواند به طور موثر مشکل شروع سرد آیتم را حل کند.

سیستم توصیه گر، توصیه آیتم، شروع سرد آیتم، میدان تصادفی مارکوف، هشتگ گذاری