چکیده
سیستمهای پیشنهاددهندهای که با ارائۀ پیشنهادها شخصی سازی میشوند و به کاربران در یافتن محصولی که علاقه دارند، کمک میکنند، میتوانند در ترغیب مشتریان به خرید از وبسایت و در نتیجه موفقیت فروشگاههای آنلاین، نقش کلیدی ایفا کنند. روش پالایش همکارانه، یکی از موفقترین روشهای بهکاررفته در این سیستمها است که توانایی ارائۀ پیشنهادهایی نزدیک به نظر کاربران را دارد، اما با افزایش تعداد کاربران و محصولات، با مشکلاتی مانند شروع سرد و مقیاسپذیری مواجه میشوند. به همین دلیل در این پژوهش روش جدیدی معرفی شده است که ضمن بهکارگیری الگوریتم روش پالایش همکارانۀ مبتنی بر کاربر بهمثابۀ رویکرد پایه، از ترکیب وزندار خوشهبندی کاربران بر اساس اطلاعات جمعیتشناختی آنها نیز برای دستیابی به نتایج بهتر از سیستم، استفاده کرده است. نتایج پیادهسازی الگوریتم نشان داد رویکرد ارائهشده، ریشۀ میانگین مربعات خطای کمتری دارد که بهمعنای عملکرد بهتر و دقت بیشتر آن است و پیشبینیهای حاصل از آن با ترجیح و سلیقۀ کاربران همخوانی بیشتری دارد.
نویسندگان
- محمدرضا کریمی علویجه
- شیوا عسکری
- سیروان پرسته
منبع : نشریه مدیریت فناوری اطلاعات
امکان مشاهده کامل مقاله از طریق لینک بالا
