فيلتركننده مشاركتي فازي ناهموار مبتني بر كاربر در سيستم هاي پيشنهاددهنده

A User Based Fuzzy Rough Collaborative Filtering in Recommender Systems

امروزه سيستم‌هاي پيشنهاددهنده، با توجه به كارايي خاص خود، در بسياري از زمينه‌هاي علمي، كاربردهاي فراواني پيدا كرده است. نوعي از اين سيستم‌ها، سيستم‌هاي پيشنهاددهنده فازي است، كه با تركيب نظريه فازي، انعطاف آن‌ها بيش‌تر شده است. در اين مقاله، يك روش جديد با تركيب فيلتركننده مشاركتي و مجموعه فازي ناهموار ارائه شده است كه در آن، شباهت بر اساس فاصله اقليدسي محاسبه مي‌شود. در واقع با استفاده از مجموعه‌هاي فازي ناهموار، از اطلاعات كاربراني كه پيش‌بيني بهتري دارند، استفاده مي‌شود. همچنين، از الگوريتم رقابت استعماري آشوبي، جهت تنظيم پارامترهاي روش پيشنهادي استفاده شده است. اين روش تركيبي با استفاده از مجموعه‌هاي فازي ناهموار، صحت پيش‌بيني را افزايش مي‌دهد. آزمايش‌هاي انجام‌شده روي مجموعه داده‌هاي محك نشان مي‌دهد كه روش پيشنهادي، ميزان صحت را نسبت به روش‌هاي قبلي افزايش داده است.

Today, recommender systems, according to their special performance, are widely utilized in several scientific issues. Fuzzy recommender systems are the type of systems in which they are combined with fuzzy theory and give more flexibility to recommender systems. Nonetheless, in this article a new combination method from fuzzy rough set collaborative filtering is presented in which the distance is calculated based on Euclidean distance measure. In fact, by using fuzzy rough sets the applicants’ data are used regarding to have better prediction. This combination method via fuzzy rough sets increases the accuracy of prediction. Since, implemented experiments on test data depict recommended method has better validation in comparison with other reputed methods