بهبود عملکرد سیستم های توصیه گر مبتنی بر خوشه بندی گراف

با توسعه محیط جهانی وب و شبکههای اجتماعی، کاربران میتوانند دانش و اطلاعات خودرا از طریق مجموعه ابزارها به اشتراک بگذارند.سیستمهای توصیه گریکی از موفقترین ابزار برای اشتراکگذاری اطلاعات معرفیشده است. مسئلهای موجود در این سیستمها ارائه پیشنهادهای خوب و مرتبط به کاربران است، این درصورتی امکانپذیر است که سیستم بتواند رتبههای دادهشده توسط کاربران به آیتمهای مختلف را با دقت بالایی پیشبینی نماید.در این پژوهش، روش جدیدیخوشهبندی گراف و معیار شهرت برای بهبود کارایی سیستمهای توصیه گر، ارائهشده است. سهم اصلی روش پیشنهادی استفاده از معیار شهرت بهمنظور افزایشدقت، برای پیشبینی رتبهها برای سیستمهای توصیه گر میباشد.استفاده از خوشهبندی گراف و معیار شهرت باعث بهبود عملکرد سیستمهای توصیه گر میشود.ارزیابی نتایج روش پیشنهادی بالای دادههای movielens انجامشده است.ارزیابی این روش با سایر روش ها نشان میدهد که، این روش نسبت به سایر روش هایمورد آزمایش با استفاده از معیارهای ارزیابی mae,mse و rmse دقت سیستم را افزایش میدهد.