سیستم توصیهگر فیلم ابتکاری با استفاده از روش تجزیه ماتریس به مقادیر منفرد با ابعاد کاهش یافته تکرار شده | ||
| مطالعات مدیریت کسب و کار هوشمند | ||
| مقاله 6، دوره 10، شماره 38، زمستان 1400، صفحه 173-199 اصل مقاله (1.4 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/ims.2022.14215 | ||
| نویسندگان | ||
| نوذر ابراهیمی لامع1؛ فاطمه ثقفی* 2؛ مجید قلی پور3 | ||
| 1دانشجوی دکتری گروه مدیریت سیستمهای اطلاعاتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران. | ||
| 2دانشیار گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.نویسنده مسئول: Fatemeh Saghafi, fsaghafi@ut.ac.ir | ||
| 3استادیار دانشکده برق و رایانه، دانشگاه آزاد اسلامی واحد قزوین، قزوین، ایران. | ||
| چکیده | ||
| سیستمهای توصیهگر یکی از ضروری ترین ابزارهای هوشمندسازی تجارت الکترونیک است. این سیستمها با انواع مختلف روشهای فیلترکردن دادهها و دادهکاوی، قادر به انتخاب و ارایه بهترین پیشنهادات از بین انبوه موارد قابل انتخاب برای مشتریان هستند. در بین روشهای متنوع سیستمهای توصیهگر، فیلترهای اشتراکی پرکاربردترین روش برای ارایه پیشنهادات است. فیلترهای اشتراکی دامنه وسیعی از الگوریتمها را شامل میشود و در این بین، روش تجزیه ماتریس به مقادیر منفرد یکی از مدلهای پیشرفته در فیلتر اشتراکی است. در این مقاله به ارایه مدلی بهینه شده از سیستم توصیهگر فیلم مبتنی بر روش تجزیه مقادیر منفرد پرداخته شده که ضمن کاهش ابعاد ماتریس و کاهش حجم محاسبات و حافظه، با روش تکرار جاگذاری، دارای دقت مناسب نسبت به روش تجزیه ماتریس به مقادیر منفرد ساده و سایر روشهای دیگر است. برای این پژوهش از مجموعه دیتاستهای 100 هزار امتیازی مووی لنز و از برنامه نویسی پایتون استفاده شدهاست. ارزیابی میزان خطا با روشهای جذر میانگین مربعات خطا و میانگین قدر مطلق خطا، نشان از بهبود مناسب نسبت به روشهای مشابه در مراجع دیگر دارد. | ||
| کلیدواژهها | ||
| سیستمهای توصیهگر؛ فیلتر اشتراکی؛ تجزیه مقادیر منفرد؛ پیشبینی امتیازات | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,625 تعداد دریافت فایل اصل مقاله: 1,092 |
||