ارائه یک معیار شباهت جدی مبتنی بر فازی برای الگوریتم های فیلترینگ مشارکت جمعی به منظور کاهش مشکل پراکندگی داده ها

چکیده:
الگوریتم متداول های فیلترینگ مشارکت جمعی حافظه محور، از الگوریتم ترنهای ساخت سیستم توصیه های می گر باشند .علیرغم موفقیت آنها در بسیاری از کاربردها، هنوز از مشکلاتی همچون پراکندگی داده می ها رنج داده برند .پراکندگی در ها باعث کاهش کیفیت شباهت محاسبه شده و نهایت پایین آمدن کارایی کیفیت پاسخ سیستم های تولید شده توسط توصیه های می گر شود .در این مقاله، یک معیار شباهت جدید مبتنی بر نظریه مجموعه های فازی به همراه تکنیکرای پیش دهی فرض برای محاسبه شباهت پیشنهاد شده است که در شرایط پراکندگی داده ها قادر به محاسبه شباهت بین کاربران است .ایده اصلی، این است که رفتارهای کاربران، توسط یک مجموعه ساده فازی مدل شده و سپس از این مدل برای تخمین رای کاربران به آیتم هایی که فقط توسط یکی از کاربران به آنها رای داده شده، استفاده شود .در نتیجه، این معیار شباهت، در شرایطی که امکان محاسبه شباهت بین کاربران وجود ندارد، از طریق تخمین و افزودن رای پیش های مجازی، امکان محاسبه شباهت و نهایتا میبینی رای را فراهم . کند آزمایش نتایج ها بر روی مجموعه داده های موویلنز ونت فلیکس داده با سطوح مختلفی از پراکندگی ها، کارآمدی معیار شباهت پیشنهادی را در مقایسه با بعضی از معیارهای شباهت مرسوم تایید . کند
زبان:
انگلیسی
صفحات:
1 -18
لینک کوتاه:
magiran.com/p1760555 
روش‌های دسترسی به متن این مطلب
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!