بهبود سامانه های توصیه گر از طریق رویکرد تصحیح خطای آموزشی دوگانه

هدف از این تحقیق، شرح روشی در جهت بهبود دقت سامانه های توصیه گر برای پیش بینی ترجیحات کاربران با استفاده از رویکرد اصلاح خطای آموزشی دوگانه (کاربر و مورد) است. در ابتدا از یک سامانه توصیه گر برای ارائه توصیه هایی برای کاربران و موارد استفاده می شود. در مرحله دوم، پس از اجرای اولیه سامانه توصیه گر، با در نظر گرفتن خطا در مجموعه آموزشی بین کاربران، مورد ها و شباهت آن ها، پیش بینی های به دست آمده از سیستم توصیه گر بهبود داده می شود. این اصلاحات از هر دو دیدگاه کاربر و مورد انجام شدنی است. درنهایت سامانه تصحیح دوگانه به طور موثر، هر دو اصلاح را ترکیب می کند. این روش مدلی را محاسبه می کند که خطای توصیه را در مجموعه آموزشی صفر خواهد کرد، سپس آن را روی مجموعه آزمایشی اعمال می کند تا پیش بینی های رتبه بندی برای اولویت های کاربران را بهبود بخشد و به این ترتیب باعث افزایش دقت توصیه ها شود. نتایج تجربی به دست آمده از این تحقیق، کارا بودن این مدل را در چهار مجموعه داده شناخته شده نشان می دهد.

کلیدواژه ها:

سامانه توصیه گر ، پالایش گروهی ، بهینه سازی ، مختصات مصنوعی ، آموزش دوگانه.