كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دوازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

مقایسه تجربی و ارزیابی الگوریتمهای یادگیری ماشین در طراحی یک سیستم پیشنهاددهنده فیلم یکپارچه

نویسندگان :

احسان فلاحی آرزودار¹ محدثه احمدی‌پور رودپشت²

1- دانشگاه گیلان 2- دانشگاه آزاد اسلامی واحد لاهیجان

کلمات کلیدی :

یادگیری ماشین،الگوریتم بهینه،سیستم توصیهگر،فیلترسازی،الگوریتم تجزیه مقادیر منفرد،تحلیل داده

چکیده :

با گسترش روزافزون حجم دادهها و افزایش تنوع محتوای دیجیتال، استفاده از سیستمهای توصیهگر به یکی از مهمترین ابزارهای شخصیسازی خدمات در سامانههای هوشمند تبدیل شده است. سیستمهای پیشنهاددهنده با تحلیل ویژگیهای کاربران و اقلام، امکان ارائه پیشنهادهای متناسب با علایق افراد را فراهم کرده و نقش مهمی در بهبود تجربه کاربری ایفا میکنند. در این پژوهش، یک سامانه پیشنهاد فیلم با بهرهگیری از تکنیکهای یادگیری ماشین طراحی و پیادهسازی شده است. بدین منظور، سه رویکرد متداول شامل فیلترسازی جمعیتی، فیلترسازی مبتنی بر محتوا و فیلترسازی مشارکتی مورد بررسی و پیادهسازی قرار گرفتهاند. در بخش فیلترسازی جمعیتی، از فرمول امتیازدهی وزنی IMDb برای رتبهبندی فیلمها استفاده شده است. در رویکرد مبتنی بر محتوا، با بهرهگیری از اطلاعات توصیفی فیلمها شامل ژانر، بازیگران، کارگردان، کلمات کلیدی و خلاصه داستان، میزان شباهت میان فیلمها با استفاده از معیار تشابه کسینوسی محاسبه شده است. همچنین، در بخش فیلترسازی مشارکتی، الگوریتم تجزیه مقادیر منفرد با استفاده از کتابخانه Surprise به منظور پیشبینی امتیاز کاربران به فیلمها به کار گرفته شده است. ارزیابی عملکرد مدل با استفاده از معیار جذر میانگین مربعات خطا (RMSE) انجام شده و نتایج نشان میدهد که روش مبتنی بر تجزیه مقادیر منفرد با دستیابی به مقدار تقریبی 0/91 برای RMSE، عملکرد مناسبی در پیشبینی ترجیحات کاربران ارائه میدهد. یافتههای این پژوهش بیانگر آن است که ترکیب اطلاعات محتوایی و الگوهای رفتاری کاربران میتواند کیفیت سیستمهای پیشنهاددهنده فیلم را بهبود بخشیده و پیشنهادهایی دقیقتر و شخصیسازیشدهتر ارائه دهد