view in publisher's site

A Collaborative Filtering System Using Clustering and Genetic Algorithms

Recommender systems have been essential these days to assist online customers to acquire useful information. However, one of the popular types of the systems called memory-based collaborative filtering suffers from several fundamental problems in spite of its main advantages such as simplicity and efficiency. This study addresses the scalability problem which is one of major problems of the system. We employ a clustering technique to handle the problem and propose a novel idea using the genetic algorithm to enhance the performance of the system in terms of prediction accuracy, not to mention scalability. Experimental results demonstrated successful performance achievements of the proposed method under various data conditions.

یک سیستم Filtering مشارکتی با استفاده از خوشه‌بندی و الگوریتم های ژنتیک

سیستم‌های Recommender این روزها برای کمک به مشتریان آنلاین برای کسب اطلاعات مفید ضروری بوده‌اند. با این حال، یکی از انواع متداول سیستم‌هایی که فیلترینگ مبتنی بر حافظه نامیده می‌شوند، با وجود مزیت‌های اصلی خود از قبیل سادگی و کارآیی، از چندین مشکل اساسی رنج می‌برند. این مطالعه به مساله مقیاس پذیری می‌پردازد که یکی از مشکلات عمده سیستم است. ما از یک تکنیک خوشه‌بندی برای حل این مشکل استفاده می‌کنیم و یک ایده جدید با استفاده از الگوریتم ژنتیک برای بهبود عملکرد سیستم از نظر دقت پیش‌بینی پیشنهاد می‌کنیم، نه برای عدم مقیاس پذیری. نتایج تجربی دستاوردهای عملکرد موفق روش پیشنهادی را تحت شرایط مختلف داده نشان می‌دهد.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.