ارائه‌ی یک سیستم پیشنهاد‌دهنده‌ی زمانی مبتنی بر تجزیه تنسور‌های اتصالی

سیستم‌های پیشنهاد‌دهنده با تحلیل الگوهای علایق کاربران، آیتم‌ها یا پیشنهاداتی متناسب با علایق کاربر به او ارائه می‌کنند. یک چالش اساسی در این سیستم‌ها این است که علایق کاربران ثابت نبوده و معمولا کاربران تمایل به تغییر علایق خود در طول زمان دارند. تطبیق سیستم‌های پیشنهاددهنده برای مدل کردن تکامل علایق و نیازهای کاربران که مدام درحال تغییر می‌باشند، باعث بهبود پیشنهادات ارائه شده به کاربر می‌گردد. در این مقاله با توسعه یک روش مدل‌سازی علایق پویای کاربر، یک سیستم پیشنهاد‌دهنده زمانی ارائه می‌کنیم. در این روش یک تابع کاهش زمانی برای هر کاربر معرفی می‌شودکه اهمیت علایق قبلی کاربران براساس نرخ تغییر علایق هر کاربر وزن گذاری‌شده و سپس این اطلاعات بهمراه اطلاعات استخراج شده‌ی مربوط به شباهت بین کاربران در طول زمان و داده‌های دموگرافی کاربران به ترتیب در دو تنسور و یک ماتریس مدل شده و با استفاده از تکنیک تجزیه تنسور ماتریس‌های اتصالی، پویایی علایق کاربران استخراج و پیشنهادات شخصی مناسب با هر کاربر ارائه می‌‌شود. ارزیابی روش پیشنهادی روی دو مجموعه داده‌ی واقعی، بهبود دقت این روش را در پیشنهاد آیتم‌ها به کاربران نسبت به سایر روش‌های مقایسه شده و توانایی بهتر آن در برخورد با مشکل شروع سرد را نشان می‌دهد