فروشگاه اینترنتی هوشمند: سیستم پیشنهاددهندۀ مبتنی بر تحلیل رفتار کاربران

سیستم­های پیشنهاد­دهنده‎ای که با ارائۀ پیشنهادها شخصی­سازی می‎شوند و به کاربران در یافتن محصولی که علاقه دارند، کمک می­کنند، می­توانند در ترغیب مشتریان به خرید از وب‎سایت و در نتیجه موفقیت فروشگاه­های آنلاین، نقش کلیدی ایفا کنند. روش پالایش همکارانه، یکی از موفق­ترین روش­های به‎کاررفته در این سیستم­ها است که توانایی ارائۀ پیشنهادهایی نزدیک به نظر کاربران را دارد، اما با افزایش تعداد کاربران و محصولات، با مشکلاتی مانند شروع سرد و مقیاس­پذیری مواجه می­شوند. به همین دلیل در این پژوهش روش جدیدی معرفی شده است که ضمن به‎کارگیری الگوریتم روش پالایش همکارانۀ مبتنی بر کاربر به‎مثابۀ رویکرد پایه، از ترکیب وزن­دار خوشه­بندی کاربران بر اساس اطلاعات جمعیت‎شناختی آنها نیز برای دستیابی به نتایج بهتر از سیستم، استفاده کرده است. نتایج پیاده‎سازی الگوریتم نشان داد رویکرد ارائه‎شده، ریشۀ میانگین مربعات خطای کمتری دارد که به‎معنای عملکرد بهتر و دقت بیشتر آن است و پیش­بینی­های حاصل از آن با ترجیح و سلیقۀ کاربران همخوانی بیشتری دارد.