ارائه راهکاری نوین برای تولید سامانه‌های توصیه‌گر با استفاده از روش تجزیه نامنفی ماتریس

Abstract

تجزیه نامنفی ماتریس یک رویکرد جدید برای کاهش ابعاد داده‌ها است. در این روش با اعمال محدودیت نامنفی بودن داده‌های ماتریس، ماتریس به اجزایی تجزیه می‌شود که این اجزا تفسیر پذیرتر هستند و داده‌ها را به بخش‌هایی تقسیم می‌کنند که داده‌های موجود در این بخش‌ها ارتباط خاصی با هم دارند. در این مقاله ما از این خاصیت تجزیه نامنفی ماتریس، برای تجزیه ماتریس امتیازات کاربران به کالاها در سامانه‌های توصیه‌گر استفاده کرده‌ایم. بدین ترتیب که ماتریس امتیازات را تجزیه می‌کنیم به‌گونه‌ای که کاربران با علایق مشابه تشخیص داده می‌شوند. در این مقاله به منظور کمینه سازی اختلاف بین ماتریس اصلی و فاکتورهای تجزیه، از روش منظم سازی استفاده کرده‌ایم به‌طوری ‌که ضرایبی از نرم فاکتورهای تجزیه را در معادله تجزیه اعمال کرده‌ایم که در یک فرآیند به‌‌روز رسانی ضربی، داده های فاکتورهای تجزیه را کنترل می‌کنند. نتایج عددی ما بر روی مجموعه داده‌های موی‌لنز[1] نشان‌گر دقت بیشتر روش پیشنهادی ما در پیش‌بینی امتیازات کاربران به کالاها است.

[1] MovieLens