زهره کریمی
زهره کریمی
خواندن ۱ دقیقه·۴ سال پیش

Recommender System (2)

در قسمت اول توضیح دادم که سیستم های توصیه گر چی هست و به چند دسته اصلی تقسیم میشن. امروز در مورد سیستم های توصیه گر پالایش مشارکتی (Collaborative Filtering) ها صحبت میکنم.

https://dakeelmi.ir/
https://dakeelmi.ir/


خب سیستم های پالایش مشارکتی براساس شباهت های رفتاری و الگوهای عملکردی مشابهی هست که کاربر فعلی با سایر کاربرا داره که این شباهت رفتاری و عملکرد هم بر اساس الگوریتم ها و ماتریس ها قابل محاسبه هستند.

حالا این سیستم ها خودشون باز به سه تا زیربخش تقسیم میشن که به صورت زیر هستند:

Item based:

تو این روش وقتی کاربر فعلی یک آیتم رو میبینه الگوریتم به دنبال این هست که ببینه کاربرایی که قبلا این آیتم رو دیدند بعدش چه آیتم های دیگه ای رو دیده بودن، سیستم هم میاد اون آیتم ها رو به کاربر فعلی پیشنهاد میده.

User based:

اینجا افرادی که سلیقه های مشترکی دارند با توجه به امتیازهایی که به آیتم ها دادند با همدیگه دسته بندی میشن و وقتی کاربرایی با سلیقه مشابه با کاربر فعلی از یه آیتم خوششون اومده ، پس اون آیتم جدید به کاربر فعلی هم پیشنهاد میشه.

Matrix Factorization:

این روش خیلی مفیدی هست چون ویژگی های پنهانی که بین کاربر و انتخاب آیتم هست رو هم در نظر میگیره. مثلا فرض کنید دو تا کاربر به یه فیلم امتیاز بالایی دادند. اینجا ویژگی پنهان همون علل رای دادن کاربرها به این فیلم میشه مثل کارگردان، بازیگر،ژانر فیلم و ... که با این الگوریتم و تشخیص درست این ویژگی ها میتونیم امتیازها رو براساس کاربر و آیتم ها محاسبه کنیم و آیتم های جدید رو به کاربر فعلی پیشنهاد بدیم.

سیستم های توصیه گرهوش مصنوعییادگیری ماشینتحلیل داده
کارشناسی ارشد علوم کامپیوتر- (محقق حوزه سیستم های توصیه گر)
شاید از این پست‌ها خوشتان بیاید