سيستمهاي توصیهگر بر اساس اطلاعات کاربران و آیتمها، سلایق و علاقهمندیهای مورد نظر کاربران را پیشبینی کرده و بر اساس آنها آیتمهای مناسب را به کاربران پیشنهاد میدهند. اکثر رويکردهاي موجود براي سيستمهاي توصيهگر بر روی پیشنهاد دادن مرتبطترین آیتمها تمرکز میکنند و چکیده کامل
سيستمهاي توصیهگر بر اساس اطلاعات کاربران و آیتمها، سلایق و علاقهمندیهای مورد نظر کاربران را پیشبینی کرده و بر اساس آنها آیتمهای مناسب را به کاربران پیشنهاد میدهند. اکثر رويکردهاي موجود براي سيستمهاي توصيهگر بر روی پیشنهاد دادن مرتبطترین آیتمها تمرکز میکنند و اطلاعات زمينهاي مانند زمان یا مکان را در نظر نمیگیرند. در اين مقاله يک روش برای سیستم توصيهگر زمينه آگاه سفر با بهرهگيري از اطلاعات عکسهاي برچسب دار جغرافيايي ارایه شده است که از دقت بالايي برخوردار است. این روش نسبت به مقالات مشابه، تعداد زمينههاي بيشتری مانند (وضعيت آب و هوا، وضعيت روحي کاربر، ميزان ترافيک و ...) را در نظر میگیرد. با این کار باعث نزديک شدن کاربران يک خوشه و در نتیجه افزايش دقت میشود. روش پیشنهادی به جای استفاده از الگوریتم خوشهبندي کلاسيک از ادغام دو الگوريتم رقابت استعماري و خوشهبندي C-Means فازی استفاده میکند. ارزيابي روش ارايه شده بر روی مجموعه داده فليکر انجام شده و نتايج ارزيابي حاکي از آن است که روش پيشنهادي قادر به فراهم کردن توصيههاي موثر و دقیق مطابق با علاقهمندیهای کاربر و موقعيت فعلي بازديد او ميباشد. رویکرد پيشنهادي در معیارهای دقت، متوسط مطلق دقت و میانگین قدر مطلق خطا به ترتیب به 0.69 و 0.53 و 0.31 دست یافته است.
پرونده مقاله