روشی برای بهبود عملکرد سیستم‏های پیشنهادگر توریسم

سیستم‏های پیشنهادگر سیستم‏های هوشمندی هستند که با تحلیل رفتار کاربران با شیوه‌های مختلف مانند داده‏کاوی، اقدام به پیشنهاد مناسب‌ترین کالا برای آنان می‌نمایند. این سیستم‏ها رویکردی هستند که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارایه شده‌اند و به یک کاربر کمک می‌کنند تا در میان حجم عظیم اطلاعات، سریع تر به هدف خود یعنی رسیدن به گزینه مفید و مورد علاقه، نزدیک شود در این مقاله مدلی برای افزایش کیفیت پیشنهاددهی در سیستم‏های پیشنهادگر توریسم ارایه می‌گردد. در این مدل با ترکیب ماتریس رتبه‏دهی کاربران و ماتریس حاصل از اطلاعات شخصی کاربران به یک تابع شباهت جدید دست می‌یابیم که محدوده همسایگی بهتری را برای کاربران مشخص می‌کند و در نتیجه باعث بالا رفتن کیفیت پیشنهاد می‌شود و از طرفی چون تابع شباهت جدید فقط وابسته به ماتریس نرخ گذاری نیست، در مواردی که کاربر به آیتمی نرخ نداده باشد می‌توان شباهت را از طریق ماتریس مشخصات کاربر به‏دست آورد و مانع از بروز مشکل شروع سرد که یکی از چالش‌های موجود در سیستم‏های پیشنهادگر است شد.