ارائه‌ي يك سيستم پيشنهاد‌دهنده‌ي زماني مبتني بر تجزيه تنسور‌هاي اتصالي

سيستم‌هاي پيشنهاد‌دهنده با تحليل الگوهاي علايق كاربران، آيتم‌ها يا پيشنهاداتي متناسب با علايق كاربر به او ارائه مي‌كنند. يك چالش اساسي در اين سيستم‌ها اين است كه علايق كاربران ثابت نبوده و معمولا كاربران تمايل به تغيير علايق خود در طول زمان دارند. تطبيق سيستم‌هاي پيشنهاددهنده براي مدل كردن تكامل علايق و نيازهاي كاربران كه مدام درحال تغيير مي‌باشند، باعث بهبود پيشنهادات ارائه شده به كاربر مي‌گردد. در اين مقاله با توسعه يك روش مدل‌سازي علايق پوياي كاربر، يك سيستم پيشنهاد‌دهنده زماني ارائه مي‌كنيم. در اين روش يك تابع كاهش زماني براي هر كاربر معرفي مي‌شودكه اهميت علايق قبلي كاربران براساس نرخ تغيير علايق هر كاربر وزن گذاري‌شده و سپس اين اطلاعات بهمراه اطلاعات استخراج شده‌ي مربوط به شباهت بين كاربران در طول زمان و داده‌هاي دموگرافي كاربران به ترتيب در دو تنسور و يك ماتريس مدل شده و با استفاده از تكنيك تجزيه تنسور ماتريس‌هاي اتصالي، پويايي علايق كاربران استخراج و پيشنهادات شخصي مناسب با هر كاربر ارائه مي‌‌شود. ارزيابي روش پيشنهادي روي دو مجموعه داده‌ي واقعي، بهبود دقت اين روش را در پيشنهاد آيتم‌ها به كاربران نسبت به ساير روش‌هاي مقايسه شده و توانايي بهتر آن در برخورد با مشكل شروع سرد را نشان مي‌دهد