به کارگیری روش های محاسبات نرم در سیستم توصیه گر مبتنی بر پالایش مشارکتی

سیستم های توصیه گر امروزه به طور وسیعی در کمک رساندن به کاربران جهت یافتن نیازمندی های خود از میان حجم بسیار عظیم اطلاعات که به طور مکرر قابل دسترس اند، مورد استفاده قرار می گیرند. سیستم توصیه گر از نوع پالایش مشارکتی،کاربرانی را که هم عقیده با کاربر فعال هستند، می یابد و سپس اقلام مورد علاقه آنها را به وی توصیه می کند. . الگوریتم ژنتیک یکی از روشهای جستجو و بهینه سازی قدرتمند محسوب می شود و در حل مسائل پیچیده و زمانبر می توان از الگوریتم ژنتیک موازی بهره مند شد. الگوریتم ژنتیک موازی مدل جزیره ای، انعطاف پذیری بیشتری در میان سایر روشهای الگوریتم ژنتیک موازی از خود نشان می دهد و بیشتر برای حل مسائل کاربردی مورد استفاده قرار می گیرد. در این پایان نامه برای تعیین نرخ مهاجرت و اینکه چه افرادی مهاجرت نمایند،روش مهاجرت ماکزیمم- مینیمم شایستگی (max-min) پیشنهاد گردیده است. این تحقیق روش های اقلام محور در پالایش مشارکتی را به دلیل رفع محدودیت های مقیاس پذیری و تهاجم مالی و نیز بهبود نتایج نسبت به روش های کاربر محور، پیشنهاد می نماید. ما برای بهبود نتایج، یک جستجوی محلی پیرامون جواب بهینه نیز انجام داده ایم. در نهایت ما با توجه به حجم بسیار بالای دادگان و وجود اطلاعات نادرست در سیستم، تصمیم به خوشه بندی مجموعه دادگان گرفتیم. روش خوشه بندی بر اساس چگالیdbscan را به دلیل داشتن مزایایی از این قبیل که تعداد خوشه ها به صورت اتوماتیک همزمان با عمل خوشه بندی تعیین می شود و نیز کارآمدی بالا در تشخیص اطلاعات نادرست، مورد استفاده قرار دادیم. استفاده از این روش بهبود نتایج خطا و پوشش را در رویکردهای مبتنی بر کاربر و رویکردهای مبتنی بر قلم، داشته است.