کاربرد تکنیکهای دادهکاوی به منظور طراحی یک سیستم توصیهگر
تکرار نام مولف :
روشنک نیکفطرت
سال نشر :
1395
صفحه شمار:
115ص
یادداشت
چکیده
رونق تجارت الکترونیک منجر به تغییر رفتارهای کسبوکار سنتی شده است، به گونهای که هر روز، تعداد کاربرانی که به خرید اینترنتی علاقه دارند، افزایش مییابد. در این میان، یکی از مهمترین حوزههای تجارت الکترونیککه بهطور فزایندهای تقاضای آن رو به افزایش است، حوزهی فیلم میباشد. این حوزه از دو جهت حائز اهمیت است، اول آنکههرساله مبالغ هنگفتی (صدها میلیارد دلار) صرف ساخت فیلم و تبلیغات آن در سراسر دنیا، میشود. دوم آنکه تعداد فیلمهای باکیفیت و موردپسند مردم هرساله بهطور چشمگیری در حال افزایش است. در نتیجه، وجود سیستم توصیهگری که قادر باشد، در حین در برگرفتن حجم بالایی از فیلمها و اطلاعات مربوط به آنها، دارای مقادیر بالای معیارهای ارزیابی دقت، صحت و بازیابی، باشد، برای رشد این صنعت، حیاتی است. از این رو، در پژوهش حاضر سعی شده است تا سیستم توصیهگری با تکیه بر ویژگیهای جمعیت شناختی و رتبهبندیهای کاربران، بر روی مجموعهی دادهی عظیم حاصل از پایگاه دادهی عمومی و معتبر MovieLens، ارائه شود. در راستای طراحی سیستم توصیهگر مزبور از تکنیکهای دادهکاوی در دو مرحله استفاده میشود، به گونهای که در مرحلهی اول برای خوشهبندی مجموعهی داده، به منظور تطبیق مناسباطلاعات جمعیت شناختی (اطلاعات پروفایل) مشتری هدف، با یکی از خوشهها، از ترکیب الگوریتم کاربردی و محبوب K-Means با الگوریتم کرم شبتاب و ارائهی الگوریتم جدید FA-K-Means که توانسته است، ضعفهای الگوریتم K-Means را بر اساس بهبود مراکز اولیهی این الگوریتم، برطرف سازد، استفاده شده است. در مرحلهی دوم نیز از دو روش مجزای K نزدیکترین همسایه و شبکهی بیزی، برای توصیهی فیلمهایی با رتبهی بالا، به مشتری هدف استفاده شده است. درنهایت، خروجی مرحلهی اول، بر اساس شاخص اعتبارسنجی دیویس بولدین و خروجی مرحلهی دوم بر اساس معیارهای ارزیابی دقت، صحت و بازیابی، بررسی شدهاند. نتایج حاکی از کیفیت بالای سیستم پیشنهادی میباشند.
کلمات کلیدی: سیستم توصیهگر، الگوریتم کرم شبتاب، K-Means، K-NN، شبکهی بیزی