مسعود سعید - استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران

الگوریتمهای فیلترینگ مشارکت جمعی، از موفق ترین و مرسوم ترین روشهایی هستند که جهت ساخت سیستمهای توصیهگر مورد استفاده قرار گرفته اند. با اینحال، هنوز از مشکلاتی مانند پراکندگی داده ها، مقیاس پذیری و شروع سرد رنج میبرند. جهت رفع هر یک از این مشکلات، رویکردهای گوناگونی توسط محققین پیشنهاد شده است. در یکی از این تلاشها، خانواده الگوریتم های شیب واحد ارایه شده است. این الگوریتمها ساده، کارآمد و مقیاس پذیر بوده اما در شرایط پراکندگی داده ها، پاسخ های آنها از کیفیت مناسبی برخوردار نمی باشد. در این تحقیق، نسخه ای بازگشتی از الگوریتم شیب واحد وزندار جهت مواجه با مشکل پراکندگی داده ها ارتقا و بهبود داده شده است. در الگوریتم پیشنهادی، هرگاه به علت پراکندگی داده ها ارزش رای مورد نیاز یک کاربر به یک آیتم نامعلوم باشد، این رای به صورت بازگشتی پیش بینی شده و در فرآیند پیش بینی رای مورد استفاده قرار میگیرد. روش پیشنهادی دارای پیاده سازی ساده ای بوده و ضمن حفظ کلیه مزایا و قابلیت های الگوریتم پایه شیب واحد، کیفیت پاسخها را در شرایط پراکندگی داده ها بهبود میبخشد. نتایج آزمایشها و مقایسه با الگوریتم پایه بیانگر کیفیت قابل قبول الگوریتم پیشنهادی میباشد.

سیستم های توصیه گر، فیلترینگ مشارکت جمعی، الگوریتم شیب واحد، پراکندگی داده ها، بازگشتی.