پیشنهاد محصول براساس علایق هر شخص بوسیله الگوریتم های فراابتکاری فازی وبهینه سازی زنبورعسل در فروشگاه های اینترنتی

سیستم توصیه گر یا سامانه ی پیشنهاد گر با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسبترین اقلام )داده، اطلاعات، کالا و ... ( به وی می نماید. سیستم توصیه گر با بررسی تعداد استفاده سایرکاربران، توصیه یا عدم توصیه یک قلم داده به کاربر جاری را تصمیم گیری میکند. از چالش های سیستم توصیه گر می توان به زمان اجرای زیاد در پی حجم زیاد مقایسات و همچنین مسئله پیش بینی امتیازات به دلیل کمبود اطلاعات اولیه ورودی توسط مشتریان جدید نام برد که به مشکل شروع سرد معروف می باشد. عدم استفاده از فاکتور زمان می تواند دقت سیستم را در مراجعات بعد پایین بیاورد و همچنین با توجه به حجم رو به افزایش داده ها و نیاز به انجام مقایسه های بیشتر سرعت سیستم رو به کندتر شدن خواهد رفت. در این مقاله یک سیستم توصیه گر نوین بر مبنای الگوریتم های فراابتکاری فازی در فروشگاه های اینترنتی معرفی میگردد که دقت و سرعت توصیه را به خوبی افزایش میدهد و علاوه بر معیار شباهت و امتیازدهی، از فاکتور زمان نیز به عنوان پارامتر مهمی برای اندازه گیری تشابه کاربران برای خوشه بندی استفاده می شود. برای بهینه سازی از الگوریتم کلونی زنبورعسل استفاده شده است.نتایج پیاده سازی روش پیشنهادی و اعمال آن بر روی مجموعه داده های واقعی بیانگر کیفیت مناسب روش پیشنهادی در مقایسه با روش پایه و سایر مطالعات است.