شخصي سازي سيستم توصيه گر فروشگاه هاي اينترنتي بر اساس الگوريتم هاي تركيبي كلوني مورچگان و الگوريتم راي گيري حداكثري مبتني بر متن كاوي

Personalization of recommender system of online stores based on combined algorithms of ant colony and maximum voting algorithm based on text mining

سيستم توصيه‌دهنده فروشگاه‌هاي اينترنتي بر اساس مجموعه داده 5000_movies و TMDB، با استفاده از الگوريتم‌هاي تركيبي كلوني مورچگان و راي گيري حداكثري مبتني بر متن كاوي، قابليت شخصي‌سازي بالايي دارد. اين الگوريتم‌ها به كاربران كمك مي‌كنند تا با توجه به سليقه و نياز خود، بهترين كالاها و خدمات مرتبط را در فروشگاه‌هاي اينترنتي پيدا كنند. در اين سيستم، مجموعه داده 5000_movies و TMDB براي جمع‌آوري داده‌هاي مرتبط با محصولات استفاده مي‌شود. با استفاده از الگوريتم تركيبي كلوني مورچگان، مسيرهاي بهينه براي هر كاربر در گراف مدل شده (مثلاً فيلم‌ها) پيدا مي‌شود. در اين الگوريتم، مورچه‌ها با حركت در گراف، مسيرهاي مختلف را پيمايش مي‌كنند و بهترين مسير براي هر مورچه ساخته مي‌شود. سپس، با استفاده از الگوريتم راي گيري حداكثر، از بين محتواهايي كه توسط مسيرهاي بهينه پيشنهاد شده‌اند، آن هايي كه بيشترين راي را دريافت كرده‌اند، به عنوان پيشنهاد به كاربران ارائه مي‌شود. در اين الگوريتم، كاربران مي‌توانند به هر محتوايي (مثلاً فيلم) كه پيشنهاد شده است، راي بدهند و در نهايت محتوايي كه بيشترين راي را دريافت كرده‌است به عنوان پيشنهاد نهايي انتخاب مي‌شود. همچنين، با استفاده از الگوريتم پيشنهادي، مي‌توان به صورت خودكار اطلاعات مرتبط با محصولات را جمع‌آوري كرده و به كاربران پيشنهاد داد. اين الگوريتم با تحليل نظرات كاربران و بررسي مشخصات محصولات، مي‌تواند به كاربران پيشنهاد كالاهاي مرتبط و با كيفيت‌تري را ارائه دهد. به طور كلي، با تركيب الگوريتم‌هاي تركيبي كلوني مورچگان و راي گيري حداكثري مبتني بر متن كاوي، سيستم توصيه‌دهنده فروشگاه‌هاي اينترنتي مي‌تواند بهبود قابل توجهي در دقت و عملكرد داشت.