فهرست نشریات علمی دسترسی آزاد ایران

امروزه یکی از مهم‌ترین چالش‌های افزایش اطلاعات، یافتن اطلاعات مورد علاقه از بین انبوه داده‌هاست. به این موضوع در طراحی سایت‌های تعاملی همواره توجّه شده‌است. سیستم‌های پیشنهاددهنده برای حل این مسئله به وجود آمده‌اند تا به کاربران برای رسیدن به اطلاعات مورد نظرشان کمک کنند؛ امّا این سیستم‌ها محدویت‌هایی دارند. یکی از مهم‌ترین چالش‌های پیش‌روی سیستم‌های پیشنهاددهنده، مشکل شروع سرد است. این مشکل زمانی به وجود می‌آید که یک کاربر (قلم‌داده) جدید وارد سیستم می‌شود. عدم وجود اطلاعات قبلی از این کاربر (قلم‌داده) باعث می‌شود سیستم نتواند به طور عادی پیشنهادها را تولید کند. در این مقاله برای حل مشکل شروع سرد کاربر، روش جدیدی به کمک ترکیب مدل‌های مبتنی برمحتوا و فیلترمشارکتی ارائه شده است. در این روش لیست پیشنهادی، دارای ویژگی‌هایی مانند کیفیت بالای قلم‌داده‌های پیشنهادی و تنوّع ‌آن‌ها است که دامنه‌ی اطلاعات دریافتی از کاربر را به سرعت گسترش می‌دهد، به همین دلیل کاربران را سریع‌تر از حالت شروع سرد خارج می‌کند. همچنین با استفاده از اطلاعات دموگرافیک کاربر، سعی شده قلم‌داده‌های لیست پیشنهادی به نحوی انتخاب شوند که به علایق کاربر نزدیک‌تر باشند تا دقت بیشتر شود.  نتایج ارزیابی روش پیشنهادی نشان می‌دهد میزان خطای MAE و RMSE نسبت به روش‌های موجود تا حد مطلوبی کاهش یافته‌است.