بهبود پالايش مشاركتي در سامانه هاي توصيه‌گر با كمك خوشه‌بندي فازي C– ميانگين مرتب ‌شده و الگوريتم ازدحام ذرات تطبيقي – آشوبي

سامانه هاي توصيه‌گر زيرمجموعه‌اي از سامانه هاي هوشمند پالايش اطلاعات هستند كه در فضاي اينترنت علايق كاربر را شناسايي نموده و توصيه‌هاي مرتبط با سليقه‌ي كاربر را ارائه مي‌دهند. پالايش مشاركتي مبتني بر كاربر، از مهم‌ترين انواع سيستم‌هاي توصيه‌گر است. از مهم‌ترين چالش‌ها در اين سيستم‌ها پراكندگي و حجم زياد داده‌ها است كه بر كارايي آن‌ها اثرگذار است. در روش پيشنهادي، براي اولين بار از الگوريتم خوشه‌بندي فازي C-ميانگين مرتب‌شده و الگوريتم‌ تكاملي ازدحام ذرات تطبيقي آشوبي براي خوشه‌بندي كاربران استفاده‌ شده ‌است. هدف روش پيشنهادي بهبود ميزان خطاي پيش‌بيني در مجموعه داده‌هاي حجيم با پراكندگي زياد و كاهش تأثير داده هاي پرت و نويز است. به منظور ارزيابي و اثبات كارايي روش پيشنهادي، آزمايش‌هايي روي پايگاه داده‌هاي واقعي اجرا شده‌ است. نتايج آزمايش‌ها نشان‌دهنده‌ي برتري روش پيشنهادي نسبت به روش‌هاي مرز دانش بر اساس معيارهاي ميانگين خطاي مطلق، جذر ميانگين مربعات خطا، نرخ صحت و زمان محاسباتي است.