ارائه راهكاري نوين براي توليد سامانه‌هاي توصيه‌گر با استفاده از روش تجزيه نامنفي ماتريس

تجزيه نامنفي ماتريس يك رويكرد جديد براي كاهش ابعاد داده‌ها است. در اين روش با اعمال محدوديت نامنفي بودن داده‌هاي ماتريس، ماتريس به اجزايي تجزيه مي‌شود كه اين اجزا تفسير پذيرتر هستند و داده‌ها را به بخش‌هايي تقسيم مي‌كنند كه داده‌هاي موجود در اين بخش‌ها ارتباط خاصي با هم دارند. در اين مقاله از اين خاصيت تجزيه نامنفي ماتريس، براي تجزيه ماتريس امتيازات كاربران به كالاها در سامانه‌هاي توصيه‌گر استفاده مي‌كنيم. بدين‌ترتيب كه ماتريس امتيازات را تجزيه مي‌كنيم به‌گونه‌اي كه كاربران با علايق مشابه تشخيص داده مي‌شوند. در اين مقاله به‌منظور كمينه‌سازي اختلاف بين ماتريس اصلي و فاكتورهاي تجزيه، از روش منظم‌سازي استفاده مي‌كنيم به‌طوري ‌كه ضرايبي از نرم فاكتورهاي تجزيه را در معادله تجزيه اعمال مي‌كنيم كه در يك فرايند به‌‌روز رساني ضربي، داده‌هاي فاكتورهاي تجزيه را كنترل مي‌كنند. نتايج عددي روي مجموعه داده‌هاي موي‌لنز نشان‌گر دقت بيش‌تر روش پيشنهادي ما در پيش‌بيني امتيازات كاربران به كالاها است.

no abstract