بررسی و بهبود روش‌های رتبه‌دهی مشارکتی مبتنی برگراف در سیستم‌های توصیه‌گر

سیستم‌های توصیه‌گر سیستم‌های هوشمندی هستند که هدف آنها کمک به کاربر در انتخاب اقلام مناسب‌تر در بستر آنلاین، که فضای انتخاب بسیار بزرگی برای کاربران وجود دارد، است. یکی از انواع این سیستم‌ها، پالایش مشارکتی است که برمبنای سابقه‌ی امتیازدهی آیتم‌ها توسط کاربران، عمل می‌کند. این سیستم‌ها با مشکلاتی از جمله تنک بودن داده‌های مربوط به امتیازات کاربران و شروع سرد مواجه هستند. هدف این مطالعه بهبود دقت در سیستم‌های توصیه‌گر پالایش مشارکتی در مواجهه با داده‌های تنک و در نتیجه افزایش دقت پیشنهادات است. در کار پیشنهادی از یکی از انواع ساختار گراف موجود برای سیستم‌های توصیه‌گر استفاده می‌شود که شامل سه لایه است که کاربران، آیتم‌ها و ترجیحات کاربران را مدل می‌کند. با توجه به ایراداتی که در استفاده از چنین گرافی وجود دارد، در روش پیشنهادی گراف مورد نظر، وزن‌دار می‌گردد که این باعث بهبود عملکرد الگوریتم می‌شود. نتایج آزمایش‌ها روی پایگاه داده‌ی مورد استفاده که در بخش نتایج بررسی خواهد شد نشان می‌دهد که روش‌ اراِئه شده در این مقاله می‌تواند دقت روش‌های پیشین را بهبود دهند. ‌‌‌‌