ارائه یک سیستم توصیهگر وب شخصیسازیشده بر اساس خوشهبندی ترتیبی و خودرمزگذار عمیق
الموضوعات : electrical and computer engineering
مستوره معینی
1
,
علی برومندنیا
2
,
منا مرادی
3
1 - دانشکده کامپیوتر، واحد تهرانجنوب، دانشگاه آزاد اسلامی، تهران، ایران،
2 - دانشکده کامپیوتر، واحد تهرانجنوب، دانشگاه آزاد اسلامی، تهران، ایران
3 - دانشکده کامپیوتر، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
الکلمات المفتاحية: سیستم توصیهگر, پروفایل کاربری, شبکههای خودرمزگذار, فیلتر مشارکتی.,
ملخص المقالة :
حجم اطلاعات انتشاریافته در وب، استفاده از سیستمهای توصیهگر را اجتنابناپذیر کرده است. سیستمهای توصیهگر وب به کاربران پیشنهادهای دقیق و مرتبط بر اساس علاقهها و سلیقههایشان ارائه میدهند. این توصیهها میتوانند به کاربران کمک کنند تا به سرعت به اطلاعات مورد نیاز خود دسترسی پیدا کنند و زمان جستجو را کاهش دهند. در این مقاله یک سیستم توصیهگر ترکیبی بر اساس ترکیب خوشهبندی ترتیبی فازی و شبکه خودرمزگذار عمیق بر اساس اطلاعات پروفایل کاربری و رتبهبندی وبسایتها توسط کاربران ارائه شده است. در این سیستم توصیهگر، ابتدا کاربران بر اساس شباهت نظرات خود به صورت ترتیبی خوشهبندی میشوند. سپس رتبهبندی جدید برای کاربران با توجه به تابع عضویت فازی پیشبینی میشود. در نهایت اطلاعات موجود در پروفایل کاربری و رتبهبندی جدید کاربران به هر وبسایتی بهمنظور پیشبینی رتبهبندی وبسایتها توسط کاربران، به عنوان ورودی شبکه خودرمزگذار عمیق ارائهشده مورد استفاده قرار میگیرد. در نهایت پس از یافتن کاربران مشابه، اقدام به ارائه توصیه بازدید و شخصیسازی صفحه وب کاربران جدید بر اساس وبسایتهای مورد علاقه کاربران مشابه مینماید. روش پیشنهادی با توجه به لایههای آموزش عمیق و تکمیل فرایند آموزش در لایه میانی در مقایسه با سایر روشهای طبقهبندی از نظر دقت آماری حدود 42%، نسبت توصیههای موفق به توصیههای مفید حدود 4% و دقت تشخیص کاربران مشابه حدود 20% بهبود داشته است.
