دوره 20، شماره 4 - ( 12-1402 )                   جلد 20 شماره 4 صفحات 106-89 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

mohammadi S, aghazarian V, hedayati A. Using movie genres and Demographic Information to improve movie recommendation systems. JSDP 2024; 20 (4) : 6
URL: http://jsdp.rcisp.ac.ir/article-1-1332-fa.html
محمدی صمد، آغازاریان واهه، هدایتی علیرضا. بهره ‌برداری از ژانرهای فیلم و داده‌های کاربران به منظور بهبود سامانه های توصیه فیلم. پردازش علائم و داده‌ها. 1402; 20 (4) :89-106

URL: http://jsdp.rcisp.ac.ir/article-1-1332-fa.html


گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران
چکیده:   (164 مشاهده)
سامانه های پیشنهادگر که رتبه بندی کاربران را برای مجموعه ای از قلم ها پیش بینی می کنند به عنوان زیر مجموعه سامانه های پالایش اطلاعات شناخته می شوند. سامانه های توصیه فیلم از شناخته ترین و پر کاربردترین این سامانه ها می باشند که در این پژوهش به آن پرداخته شده است. سامانه های توصیه فیلم ابزارهای کارآمدی هستند که به کاربران کمک می‌کنند فیلم‌های مورد علاقه خود را با بررسی علایق قبلی کاربران پیدا کنند. این سیستم­ها بر اساس امتیاز کاربران به فیلم‌های گذشته و استفاده از آنها برای پیش­بینی علایق آنها در آینده ایجاد شده­اند. با این حال، امتیازدهی نامناسبی که کاربران ارائه می‌دهند منجر به ایجاد مشکلی به نام پراکندگی داده می‌شود. این مشکل موجب کاهش کارایی سیستم‌های توصیه فیلم می­شود. از سوی دیگر، سایر داده‌های موجود مانند ژانر فیلم‌ها و اطلاعات جمعیت ‌شناختی کاربران، نقش حیاتی در کمک به روش­های توصیه‌کننده برای تولید بهتر توصیه‌ها دارند. این مقاله یک روش توصیه فیلم را با استفاده از ژانرهای فیلم و اطلاعات جمعیت شناختی کاربران پیشنهاد می­کند. همچنین ما مدلی کارآمد جهت ارزیابی پروفایل امتیازدهی کاربر و تعیین حداقل امتیاز مورد نیاز برای تولید یک پیش‌بینی دقیق را پیشنهاد می­کنیم. سپس، امتیازات مجازی مناسب با پروفایل‌هایی که امتیازات نامناسبی دارند ترکیب می­شوند. این امتیازدهی مجازی با استفاده از شباهت مقادیر بین کاربران به‌دست‌آمده از ژانرهای فیلم و اطلاعات جمعیت ‌شناختی کاربران محاسبه می‌شوند. علاوه بر این، یک معیار مفید برای تعیین میزان قابل اعتماد بودن یک آیتم معرفی شده است که قابلیت اطمینان امتیازدهی مجازی را تضمین می‌کند. در نهایت، امتیازهای ناشناخته برای کاربر هدف براساس پروفایل‌های امتیازدهی توسعه‌یافته پیش‌بینی می‌شوند. آزمایش‌های انجام‌شده بر روی دو مجموعه داده توصیه فیلم معروف نشان می‌دهد که رویکرد پیشنهادی کارآمدتر از سایر توصیه‌کننده‌های مقایسه شده است.
شماره‌ی مقاله: 6
متن کامل [PDF 1432 kb]   (22 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1401/5/19 | پذیرش: 1402/3/12 | انتشار: 1403/2/6 | انتشار الکترونیک: 1403/2/6

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.