دانشگاه آزاد اسلامی سبزوار - جستجو در پایان‌نامه‌ها

پایان‌نامه‌ی کارشناسی ارشد: شیما رجبیون، ۱۳۹۶

توسعه و طراحی یک الگوریتم برای سیستم های توصیه کننده با استفاده از الگوریتم ژنتیک

امروزه به علت رشد روز افزون اینترنت و حجم عظیمی از اطلاعات نیاز به سیستمهایی داریم تا بتوانند مناسب ترین خدمات و محصولات را به کاربر توصیه کنند سیستم هایی که این وظیفه را انجام می دهند سیستم های توصیه گرنامیده می شوند سیستم های توصیه گر با یکسری الگوریتم ها و روش های خاص سعی می کنند که مناسب ترین آیتم از قبیل داده ، اطلاعات و کالا را شناسایی و نزدیکترین آیتم به سلیقه کاربر را به وی پیشنهاد کنند. سیستم های توصیه گر، شاخه ای از سیستم های بازیابی وتطبیق اطلاعات می باشند که با شناسایی علاقمندی ها و نیازمندی های کاربر ، به آنها در دستیابی به اطلاعات یا خدمات مورد نظر در میان حجم انبوهی از انتخاب کمک می کنند. عدم وجود داده کافی و پراکندگی داد ه ها، از جمله چالش های سیستم های توصیه گر میباشد. با توجه به حجم داده های شبکه اجتماعی، چالش هایی نظیر پردازش در زمان کوتاه و افزایش دقت توصیه ها در این نوع سیستم ها مورد بحث می باشد. در این پژوهش با استفاده از الگوریتم ژنتیک روشی جهت بکارگیری در سیستم های توصیه کننده ارائه شده است.

کلیدواژه‌ها: سیستم های توصیه گر،شبکه های اجتماعی، الگوریتم ژنتیک

M.A. Thesis:

Development of an algorithm using genetic algorithms for recommender systems

Today, due to the growing growth of the internet and a huge amount of information we need systems to be able recommend the most appropriate services and products to the user systems that perform this task are recommended systems. Recommender systems with a series of algorithms and special methods try to find the right items such as identifying information and goods data and offer the closest product to the user's taste. Recommender systems a branch of information retrieval and data recovery systems by identifying user interests and needs, giving them access to the desired information or service among the massive amounts of choices help. Lack of sufficient data and dispersion of data, among the challenges of the advisory systems. Given the size of the social network data, challenges such as processing in short time and increasing the accuracy of the recommendations in these types of systems are discussed. In this research is a method using and combining genetic algorithms to be used in these systems.

Keywords: Recommender systems, social networks, genetic algorithms