بهره ‌برداري از ژانرهاي فيلم و اطلاعات جمعيت شناختي كاربران به منظور بهبود سامانه هاي توصيه فيلم

سامانه هاي توصيه فيلم ابزارهاي كارآمدي هستند كه به كاربران كمك مي كنند فيلم هاي مورد علاقه خود را با بررسي علايق قبلي كاربران پيدا كنند. اين سامانه ها بر اساس امتياز كاربران به فيلم هاي گذشته و استفاده از آنها براي پيش بيني علايق آنها در آينده ايجاد شده اند؛ با اين حال ، امتيازدهي نامناسبي كه كاربران ارائه ميدهند ، منجر به ايجاد مشكلي به نام پراكندگي داده ميشود. اين مشكل موجب كاهش كارايي سامانه هاي توصيه فيلم ميشود. از سوي ديگر ، ساير داده هاي موجود مانند ژانر فيلم ها و اطلاعات جمعيت شناختي كاربران، نقش حياتي در كمك به روش هاي توصيه كننده براي توليد بهتر توصيه ها دارند. اين مقاله يك روش توصيه فيلم را با استفاد ه از ژانرهاي فيلم و اطلاعا ت جمعيت شناختي كاربران پيشنهاد ميكند. همچنين ما مدلي كارآمد جهت ارزيابي پروفايل امتيازدهي كاربر و تعيين كمينه امتياز مورد نياز براي توليد يك پيشبيني دقيق را پيشنهاد ميكنيم ؛ سپس ، امتيازات مجاز ي مناسب با پروفايل هايي كه امتيازات نامناسبي دارند تركيب ميشوند. اين امتيازدهي مجازي با استفاده از شباهت مقادير بين كاربران به دست آمده از ژانرهاي فيلم و اطلاعات جمعيت شناختي كاربران محاسبه ميشوند؛ علاو ه بر اين ، يك معيار مفيد براي تعيين ميزان قابل اعتماد بودن يك بخش معرفي شده است كه قابليت اطمينان امتيازدهي مجازي را تضمين ميكند؛ درنهايت ، امتيازهاي ناشناخته براي كاربر هدف براساس پروفايل هاي امتيازدهي توسعه يافته پيش بيني ميشوند. آزمايش هاي انجام شده بر روي د و مجموعه داده توصيه فيلم معروف نشان ميدهد كه رويكرد پيشنهادي كارآمدتر از ساير توصيه كننده هاي مقايسه شده است .