سامانه پيشنهادگر تركيبي، مبتني بر هستان‌شناسي براي مقابله با مشكل شروع سرد

انتظار مي‌ رود سامانه‌هاي پيشنهاد گر (RS) قلم‌هاي دقيق را به مصرف‌كنندگان پيشنهاد دهند. شروع سرد مهم‌ ترين چالش در RS‌ها است. RS‌هاي تركيبي اخير، دو مدل پالايش محتوا پايه (ConF)و پالايش مشاركتي (ColF) را با هم تركيب مي ‌كنند. در اين پژوهش، يك RS تركيبي مبتني بر هستان‌شناسي معرفي مي‌ شود كه در آن هستان ‌شناسي در بخش ConF به‌كار رفته است، اين در حالي است كه ساختار هستان ‌شناسي توسط بخش ColF بهبود داده مي‌ شود. در اين مقاله، رويكرد تركيبي جديدي مبتني بر تركيب شباهت جمعيت‌شناختي و شباهت كسينوسي بين كاربران به‌ منظور حل مشكل شروع سرد از نوع كاربر جديد، ارائه شده است. همچنين، رويكرد جديدي مبتني بر تركيب شباهت هستان شناسي و شباهت كسينوسي بين اقلام به‌منظور حل مسأله شروع سرد از نوع قلم جديد، ارائه شده است. ايده اصلي روش پيشنهادي، گسترش پروفايل‌هاي كاربر/‌قلم بر اساس سازوكارهاي مختلف براي ايجاد پروفايل با عملكرد بالاتر براي كاربران/قلم‌ ها است. روش پيشنهادي در يك مجموعه‌داده واقعي ارزيابي شده است و آزمايش ‌ها نشان مي ‌دهند كه روش پيشنهادي در مقايسه با روش‌هاي پيشرفتهRS ، به‌خصوص در مواجهه با مسأله شروع سرد، عملكرد بهتري دارد.