|
|
چشم انداز مدیریت صنعتی، جلد ۱۱، شماره ۴، صفحات ۱۹۷-۲۲۲
|
|
|
| عنوان فارسی |
بهبود عملکرد و نتایج سیستم توصیه‌گر پالایش مشارکتی با استفاده از الگوریتم بهینه‌ساز گرگ خاکستری فازی غنی‌شده با الگوریتم بهینه‌سازی شیر |
|
| چکیده فارسی مقاله |
امروزه سیستم توصیه‌گر، روش پالایش اطلاعات بین وب‌سایت‌ها و کاربران را به‌منظور شناسایی علاقه کاربر و ایجاد محصول پیشنهادی برای کاربران فعال تغییر داده است. سیستم‌های توصیه‌گر را به‌طورکلی به سه گروه مبتنی بر محتوا، مبتنی بر دانش و مبتنی بر پالایش مشارکتی و در بعضی موارد ترکیبی تقسیم می‌کنند. ایده اصلی پالایش مشارکتی این است که اگر کاربران علایق مشابه یا یکسان در گذشته داشته باشند و آن را به‌اشتراک بگذارند، در آینده نیز احتمالاً سلیقه‌های مشابه خواهند داشت. این رویکرد نیاز به هیچ دانشی در مورد آیتمها ندارد. پالایش مشارکتی نیز دارای دو نوع اصلی مبتنی بر حافظه و مبتنی بر مدل است. روش مبتنی بر حافظه از اطلاعات امتیازدهی کاربران برای محاسبه شباهت بین کاربران یا آیتمها استفاده می‌کند. هدف اصلی این پژوهش نیز ارائه یک سیستم پیشنهاددهنده مبتنی بر حافظه برای بهبود نتایج الگوریتم پالایش مشارکتی است. در روش پیشنهادی برای یافتن شبیه‌ترین کاربران به کاربر هدف از ترکیب دو الگوریتم گرگ خاکستری فازی و الگوریتم شیر استفاده شده است. نتایج اجرای روش پیشنهادی نشان می‌دهد که پارامترهای Precision، Recall و F-measure نسبت به روش‌های پایه افزایش یافته‌اند. |
|
| کلیدواژه‌های فارسی مقاله |
سیستم‌های توصیه‌گر، پالایش مشارکتی، الگوریتم‌‌های فراابتکاری، الگوریتم بهینه‌سازی گرگ خاکستری، الگوریتم بهینه‌سازی شیر، |
|
| عنوان انگلیسی |
Improving Collaborative Filtering Recommender System Results and Performance using Combination of Fuzzy Grey Wolf Optimizer Algorithm and Lion Optimization Algorithm |
|
| چکیده انگلیسی مقاله |
Nowadays, recommender systems have reshaped the ways of information filtering between websites and the users in order to identify the users’ interests and generate product suggestions for the active users. Recommender systems are generally divided into three groups: Content-based, Knowledge-based, and collaborative-based, and in some cases hybrid. The main idea of collaborative filtering is that they predict a user’s interest in new items based on the recommendations of other people with similar interests. This Approach does not require having knowledge about items. Collaborative filtering has two main types: Memory-based and Model-based. Memory based Collaborative filtering makes use of user rating dataset to compute similarity index between set of users or set of items. The main purpose of this article is to offer a Memory-based Collaborative recommender system in order to optimize the results of Collaborative filtering algorithm. In the proposed method, the combination of fuzzy Grey Wolf Optimizer algorithm and Lion Optimization Algorithm is used to find the most similar users to the target user. The results of the proposed method confirmed a significant increment in Precision, Recall and F-measure in comparison with baseline methods. |
|
| کلیدواژه‌های انگلیسی مقاله |
سیستم‌های توصیه‌گر, پالایش مشارکتی, الگوریتم‌‌های فراابتکاری, الگوریتم بهینه‌سازی گرگ خاکستری, الگوریتم بهینه‌سازی شیر |
|
| نویسندگان مقاله |
زهرا نخعی راد |
دانشجوی دکتری مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران،ایران.
حسام زندحسامی |
استادیار، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران،ایران.
عباس طلوعی اشلقی |
استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران.
|
|
| نشانی اینترنتی |
https://jimp.sbu.ac.ir/article_101658_d6b10f563ac2fa30335d4bdda6f648e6.pdf |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|