یک سامانه پیشنهاددهنده اجتماعی مبتنی بر تجزیه ماتریس با در نظر گرفتن پویایی علایق کاربران
در سال های اخیر، استفاده از سامانه های پیشنهاددهنده در شبکه های اجتماعی رشد قابل توجهی داشته است. در این سامانه ها، رفتار و علایق کاربران در طول زمان تغییر می کند و تطبیق سامانه های پیشنهاددهنده با این پویایی علایق و نیازهای کاربران به منظور ارایه پیشنهادات دقیق تر به کاربران ضروری است. علی رغم اهمیت این موضوع، اغلب سامانه های پیشنهاددهنده، رفتار پویای کاربر را در نظر نمی گیرند. در این مقاله، یک سامانه پیشنهاددهنده اجتماعی با در نظر گرفتن پویایی علایق کاربران ارایه می شود که از روش تجزیه ماتریس استفاده می کند. در مدل پیشنهادی با در نظر گرفتن این که هر کاربر الگوی تغییر علایق خاص خود را دارد، فرض می شود که علایق فعلی کاربر به علایق او در دوره زمانی قبلی بستگی دارد، و یک ماتریس انتقال علایق برای هر کاربر به منظور مدل کردن پویایی علایق کاربر بین دو دوره متوالی آموزش داده می شود و با ترکیب امتیازات کاربران و اعتماد بین آن ها بر اساس روش تجزیه ماتریس، امتیازات کاربران به اقلام پیش بینی می شود. ارزیابی ها بر روی مجموعه داده Epinions نشان می دهند که مدل پیشنهادی نسبت به روش های مقایسه شده، منجر به بهبود بیشتر دقت در پیش بینی امتیازات می شود. همچنین تحلیل پیچیدگی زمانی مدل پیشنهادی بیان گر مقیاس پذیر بودن این مدل است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.