ارائۀ روش جدید شباهت‌یابی برای بهینه‎سازی کسب‎وکار در فروشگاه‌های اینترنتی با استفاده از تکنولوژی‏های زمان نرخ‎دهی

یکی از پیامدهای مهم گسترش اینترنت در عصر حاضر، پیدایش وبگاه‌های تجارت الکترونیکی است؛ اما تنوع اقلام عرضه‎شده می‌تواند انتخاب محصولات مناسب را برای مشتریان به فرایند پیچیده‎ای تبدیل کند. شرکت‌ها برای رفع این مشکل استفاده از سیستم‌های پیشنهاددهنده را توصیه می‌کنند. به‎دلیل درصد زیاد خطا در پالایش و ارائۀ پیشنهادها، معمولاً در این‎گونه سیستم‌ها از چند روش پایه برای پیشنهاد اقلام مورد علاقۀ کاربر استفاده می‌شود. روش پالایش همکارانه، یکی از موفق­ترین روش‌های به‎کاررفته در این سیستم‌هاست؛ اما استفاده از این روش با افزایش تعداد کاربران و محصولات، مجموعه را با مشکلاتی مانند ناتوانی در پاسخگویی به نیازهای کاربران جدید و تُنُکی داده مواجه می‎کند. به‎منظور رفع مشکل یادشده، در این پژوهش روش جدیدی معرفی شده ‌است که با ادغام زمان نرخ­دهی کاربران با معیار شباهت­یابی پیرسون و همچنین ادغام تکنولوژی‏های معنایی و شبکۀ اجتماعی، راه‌حلی برای کاهش مشکل کاربران جدید و تنکی داده‌ها ارائه می‌کند. نتایج پیاده‌سازی الگوریتم‌ها نشان ‌می­دهد رویکرد ارائه‎شده عملکرد بهتر و صحت بیشتری دارد و پیش­بینی­های آن با سلیقة کاربران همخوانی بیشتری دارد.