بهبود کارایی سیستم های توصیه‏گر با استفاده از خوشه‏بندی فازی ترکیبی

سیستم‏های توصیه‏گر، در جهت پیشنهاد مناسب‏ترین آیتم‏ها به کاربران ارائه شده‏اند و فیلتر مشارکتی از پرکاربردترین تکنیک‏ها در این حوزه می‏باشد. از مهم‏ترین موضوعات در سیستم‏های توصیه‏گر تولید پیش‏بینی‏های دقیق می‏باشد. سیستم‏های توصیه‏گر فیلتر مشارکتی مبتنی بر آیتم پیش‏بینی را از طریق سابقه همسایگان آیتم‏ها محاسبه می‏کنند و انتخاب درست نزدیک‏ترین همسایگان که بیشترین شباهت را با آیتم مورد نظر داشته باشند تاثیر زیادی بر افزایش دقت پیش‏بینی‏ها خواهد داشت. برای یافتن نزدیک‏ترین همسایگان باید شباهت بین تمام آیتم‏های موجود در سیستم محاسبه شود. الگوریتم‏های خوشه‏بندی می‏توانند با خوشه‏بندی آیتم‏ها فضای جستجو را کاهش دهند. بنابراین می‏توانند مقیاس پذیری سیستم را افزایش دهند. در نتیجه با محاسبه شباهت بین اعضایی که در یک خوشه قرار دارند، پیش‏بینی‏ها تولید خواهند شد. از طرفی چون ممکن است آیتم‏ها به چندین خوشه تعلق داشته باشند، الگوریتم‏های خوشه‏بندی فازی بهتر می‏توانند خوشه‏بندی را انجام دهند. در این پایان نامه یک الگوریتم خوشه‏بندی فازی ترکیبی را جهت خوشه‏بندی آیتم‏ها در فیلتر مشارکتی ارائه کرده ایم. نتایج بدست آمده نشان می‏دهند که روش پیشنهادی با انتخاب بهترین همسایگان برای آیتم‏ها توانسته دقت و کارائی سیستم را در مقایسه با سایر سیستم‏هایی که از روش‏های خوشه‏بندی و خوشه‏بندی ترکیبی استفاده می‏نمایند، افزایش دهد.