معیار شباهت سیستم های توصیه گر

امروزه به علت رشد روز افزون اینترنت و حجم بسیار زیاد اطلاعات نیاز به سیستم های ی داریم تا بتوانند مناسب ترین خدمات و محصولات را به کاربر توصیه کنند سیستم هایی که این وظیفه را انجام می دهند سیستم های توصیه گر نامیده می شوند. این سیستم ها با ایجاد پیشنهادات مناسب برای خرید باعث خرید بیشتر و افزایش رضایت مشتری از خرید اینترنتی می گردند. در اینجا مروری برسیستم های توصیه گر خواهیم داشت و در ادامه انواع سیستم های توصیه گر و ارزیابی آنها را بحث خواهیم کرد. هدف از انجام این تحقیق ایجاد کردن مدل های تشابه ساده و جدید اما قابل اجرا بمنظور بهبود دقت توصیه در زمان محاسبات کم تر است. به منظور تحقق این هدف، دو متریک جدید تشابه مثل Relevant Jaccard Similarity و Relevant Jaccard Mean Square Distance تدوین شده اند. جدا از نگارش این دو روش ساده اما کاربردی، این تحقیق سهم قابل توجهی در تمرین به روش های زیر دارد. روش پیشنهادی، تشابه مربوط به جاکارد را شناسایی می کند که به انتخاب نزدیک ترین همسایه مناسب در مدل پیش بینی کمک می کند. نزدیک ترین همسایه های مناسب به سیستم توصیه گر استفاده می شوند تا رتبه بندی دقیقی از آیتم های رتبه بندی نشده پیش بینی کند. در نتیجه، روش های RJaccard و RJMSD به طور قابل توجهی در تعداد محدودی از نزدیک ترین همسایه ها به خوبی عمل می کنند