بهبود صحت سیستم های توصیه گر با استفاده از تشخیص اجتماعات در شبکه های اجتماعی  از موضوعات مورد توجه برای نوشتن پایان نامه کارشناسی ارشد رشته مهندسی کامپیوتر می باشد. در این میان تحقیق در حوزه صحت پیشنهادهای سیستم های توصیه گر (recommender systems)  در خصوص ارائه پیشنهاد به کاربران بر اساس تحلیل داده کاوی بسیار جذاب است.

مقاله بهبود صحت سیستم های توصیه گر با استفاده از تشخیص اجتماعات در شبکه های اجتماعی در پنجمین کنفرانس داده کاوی ایران، دانشگاه صنعتی امیرکبیر ارائه شده است.

چکیده این مقاله:

         معمولا برای خرید کالا با دوستان و آشنایان قابل اعتماد مشورت می‌کنیم و از نظرات و پیشنهادهای آنها در انتخاب کالای مورد نظر استفاده می‌نمائیم. برای پیاده سازی یک سیستم پیشنهاد دهنده، استفاده از روش فیلترینگ تعاونی متداول می باشد. در این روش پیشنهادهای کاربرانی که علایق آنها به ما نزدیک است در نظر گرفته می‌شود. یکی از مشکلات روش فیلترینگ تعاونی، مساله پراکندگی ماتریس کاربر-کالا است. این مشکل ناشی از آن است که کاربران در میان تعداد زیادی از آیتم‌ها، نظر خود را فقط در مورد بخش کوچکی از آنها بیان می کنند. این مساله موجب کم شدن دقت در محاسبه شباهت  بین کاربران و در نتیجه کاهش صحت سیستم پیشنهاد دهنده می‌شود. در این مقاله با استفاده از الگوریتم تشخیص اجتماعات در شبکه‌های اجتماعی، کاربرانی که بیشتر با یکدیگر تعامل دارند را خوشه‌بندی نموده و از خوشه‌های ایجاد شده در بهبود عملکرد سیستم پیشنهاد‌دهنده استفاده می کنیم. با استفاده از مجموعه داده Epinion روش خوشه بندی پیشنهادی و روش های دیگر پیاده سازی و نتایج آنها با یکدیگر مقایسه شده است. نتایج حاصل از آزمونها بیانگر آن است که در نظر گرفتن خوشه‌های ناشی از تعامل اجتماعی افراد در شبکه اجتماعی در بهبود صحت سیستم پیشنهاد‌دهنده موثر است.

جهت خرید مجموعه مقالات سیستم های توصیه و داده کاوی بر روی دکمه زیر کلیک نمایید.