بهبود عملكرد و نتايج سيستم توصيه‌گر پالايش مشاركتي با استفاده از الگوريتم بهينه‌ساز گرگ خاكستري فازي غني‌شده با الگوريتم بهينه‌سازي شير

امروزه سيستم توصيه‌گر، روش پالايش اطلاعات بين وب‌سايت‌ها و كاربران را به‌منظور شناسايي علاقه كاربر و ايجاد محصول پيشنهادي براي كاربران فعال تغيير داده است. سيستم‌هاي توصيه ‌گر را به‌طوركلي به سه گروه مبتني بر محتوا، مبتني بر دانش و مبتني بر پالايش مشاركتي و در بعضي موارد تركيبي تقسيم مي‌كنند. ايده اصلي پالايش مشاركتي اين است كه اگر كاربران علايق مشابه يا يكسان در گذشته داشته باشند و آن را به ‌اشتراك بگذارند، در آينده نيز احتمالاً سليقه‌ هاي مشابه خواهند داشت. اين رويكرد نياز به هيچ دانشي در مورد آيتم‌ ها ندارد. پالايش مشاركتي نيز داراي دو نوع اصلي مبتني بر حافظه و مبتني بر مدل است. روش مبتني بر حافظه از اطلاعات امتيازدهي كاربران براي محاسبه شباهت بين كاربران يا آيتم‌‏ها استفاده مي ‌كند. هدف اصلي اين پژوهش نيز ارائه يك سيستم پيشنهاددهنده مبتني بر حافظه براي بهبود نتايج الگوريتم پالايش مشاركتي است. در روش پيشنهادي براي يافتن شبيه‌ ترين كاربران به كاربر هدف از تركيب دو الگوريتم گرگ خاكستري فازي و الگوريتم شير استفاده شده است. نتايج اجراي روش پيشنهادي نشان مي ‌دهد كه پارامترهاي Precision، Recall و Fmeasure نسبت به روش‌ هاي پايه افزايش يافته‌اند.