چکیده: (4196 مشاهده)
سیستمهای پیشنهادگر سیستمهای هوشمندی هستند که با تحلیل رفتار کاربران با شیوههای مختلف مانند داده کاوی، اقدام به پیشنهاد مناسبترین کالا برای آنان مینمایند. این سیستمها رویکردی هستند که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارایه شدهاند و به یک کاربر کمک میکنند تا در میان حجم عظیم اطلاعات، سریع تر به هدف خود یعنی رسیدن به گزینه مفید و مورد علاقه، نزدیک شود در این مقاله مدلی برای افزایش کیفیت پیشنهاددهی در سیستمهای پیشنهادگر توریسم ارایه میگردد. در این مدل با ترکیب ماتریس رتبه دهی کاربران و ماتریس حاصل از اطلاعات شخصی کاربران به یک تابع شباهت جدید دست مییابیم که محدوده همسایگی بهتری را برای کاربران مشخص میکند و در نتیجه باعث بالا رفتن کیفیت پیشنهاد میشود و از طرفی چون تابع شباهت جدید فقط وابسته به ماتریس نرخ گذاری نیست، در مواردی که کاربر به آیتمی نرخ نداده باشد میتوان شباهت را از طریق ماتریس مشخصات کاربر به دست آورد و مانع از بروز مشکل شروع سرد که یکی از چالشهای موجود در سیستمهای پیشنهادگر است شد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1393/5/4 | پذیرش: 1393/5/4 | انتشار: 1393/5/4