ارائه یک معیار جدید اندازه‌گیری شباهت در سیستم‌های توصیه‌گر فازی

با توسعه اینترنت، بشر امروزی با رشد انفجاری و تنوع اطلاعات مواجه است و این امر تصمیم‌گیری در زمینه های مختلف را با چالش مواجه کرده است. بدین منظور سیستم‌های توصیه‌گر با شناسایی علایق کاربران، فیلترکردن داده‌ها و مدیریت اطلاعات، باعث صرفه جویی در زمان، شخصی‌سازی تجارت الکترونیک، بهبود بازاریابی و غیره شده است. یکی از موفق‌ترین روش‌های سیستم‌های توصیه‌گر، فیلترینگ همکاری است که مبتنی بر شباهت بین کاربران می‌باشد. در سیستم‌های توصیه‌گر، دقت و کیفیت توصیه‌ها اهمیت بسزایی دارند. راهکار‌های مختلفی مانند استفاده از منطق فازی برای بهبود دقت و کیفیت توصیه‌ها، ارائه شده است. استفاده از منطق فازی، روشی موثر برای برخورد با عدم قطعیت در اندازه‌گیری شباهت آیتم‌ها و کاربران است. در این پژوهش، روشی جدیدی برای اندازه‌گیری شباهت فازی به نام fsm براساس فاکتور‌های محبوبیت و اهمیت، در سیستم‌های توصیه‌گر فیلترینگ همکاری ارائه شده است. در روش پیشنهادی، از اعداد فازی برای بهبود دقت و کیفیت توصیه‌ها استفاده شده است. روش پیشنهاد شده، توسط معیار‌های mae ،f1 ، فراخوانی و صحت ارزیابی شده است. مقدار f1 در حالت استفاده از معیار شباهت پیشنهادی نسبت به روش‌های مبتنی بر معیار‌های pip و nhsm به ترتیب 17 و 20 درصد افزایش یافته است. همچنین معیارهای فراخوانی و صحت بدست آمده از این روش نسبت به دو روش مذکور نیز بهبود قابل توجهی یافته‌اند.