ارزيابي يك سيستم توصيه گر با استفاده از الگوريتم تكاملي تركيبي GAPSO

در سال های اخیر شاهد انفجار اطلاعات با رشد نمائی در اینترنت هستیم. اینترنت با سربار اطلاعاتی بسیار زیادی مواجه است و مشكل مواجه كاربران با انبوهی از اطلاعات وجود دارد. این طور به نظر می رسد كه باید دنبال راهكاری بود كه كاربران را در یافتن آیتم های مورد علاقه شان یاری كند. سیستم های توصیه گر با تحلیل رفتار كاربران و جمع آوری اطلاعات آنان، توصیه های مفیدی متناسب با نیاز كاربران به آنها پیشنهاد می دهند. یكی از الگوریتم های به كاررفته در این سیستم ها الگوریتم پالایش مشاركتی مبتنی بر كاربر است. مهم ترین بخش الگوریتم پالایش مشاركتی تعیین شباهت بین كاربران است. در این مقاله از یك عیار شباهتی استفاده می شود كه وزن و نسبت رتبه دهی را برای تعیین شباهت درنظر میگیرد و به منظور یافتن بردار وزن مناسب، الگوریتم های تكاملی تركیبی ازدحام ذرات و ژنتیك پیشنهاد داده و پیاده سازی می شود. همچنین الگوریتم های مذكور به صورت منفرد نیز پیاده سازی شده و مورد ارزیابی قرار می گیرد. نتایج به دست آمده نشان می دهد كه روش پیشنهادی دقت پیشنهاد را بهبود می بخشد و باعث افزایش كیفیت پیش بینی و كارایی پیشنهاد می شود.