افزایش کارایی سیستم‌ها‌ی توصیه‌گر ترکیبی با استفاده از تحلیل شخصیت کاربران

امروزه به علت رشد روز افزون اینترنت و حجم زیاد اطلاعات نیاز به سیستم‌هایی داریم تا بتوانند مناسب‌ترین خدمات و محصولات را به کاربر توصیه کنند سیستم‌هایی که این وظیفه را انجام می‌دهند سیستم‌های توصیه‌گر نامیده می‌شوند. این سیستم‌ها با ایجاد پیشنهادات مناسب برای استفاده از خدمات و محصولات اینترنتی باعث افزایش رضایت مشتری از خدمات و محصولات اینترنتی می‌گردند. در این پژوهش ما به دنبال طراحی یک سیستم توصیه‌گر ترکیبی با استفاده از تحلیل شخصیت کاربران خواهیم نمود. سیستم‌های توصیه‌گر تلاش می‌کنند علایق کاربر را حدس بزنند و سپس نزدیک‌ترین و مناسب‌ترین کالا به سلایق کاربر را به آن پیشنهاد دهند، ما در این پژوهش شخصیت کاربران را به عنوان یک عامل مهم برای حدس علایق کاربران در نظر گرفته‌ایم. یافته‌های این پژوهش حاکی از این می‌باشد که روش پیشنهادی pb-hrs که روش پیشنهادی این پژوهش است دارای درصد خطای کمتری نسبت به روش‌های پیشین بوده است. مقدار mae به دست آمده برابر با 0.80 و مقدار دقت به دست آمده برابر با 0.78 می‌باشد که نتایج در مقایسه با مقاله‌های مشابه بهبود یافته است.