ფაზი-TOPSIS მიდგომა სარეკომენდაციო სისტემების კოლაბორაციული ფილტრაციის მოდელებში

ავტორი: თამარი გოგებაშვილი
საკვანძო სიტყვები: ტოფსისი, კოლაბორაციული ფილტრაცია, სარეკომენდაციო სისტემა
ანოტაცია:

სამაგისტრო ნაშრომში წარმოადგენილია კოლაბორაციული ფილტრაციის კლასიკური მიდგომების სიზუსტის გაუმჯობესების მიდგომა, რომელიც ემყარება უპირატესობათა რიგითობის ტექნიკას, იდეალურ პოზიტიურ და ნეგატიურ გადაწყვეტილებებთან სიახლოვის განსაზღვრის (TOPSIS) მეთოდით. პროგრამული უზრუნველყოფა გადაწყვეტილია Python (anaconda) გარემოში და გამოყენებულია შესაბამისი ალგორითმები და ბიბლიოთეკები. სარეკომენდაციო სისტემები (სს) გამოიყენება ინტერნეტ სივრცეში არსებული დიდი მონაცემების გასაფილტრად. სს მოდელები, როგორც ყოველთვის, დაფუძნებულია მომხმარებლის მიერ განსაზღვრულ უპირატესობებზე მოხმარების საგნებთან, ნივთებთან, პროდუქტებთან და ა.შ. მიმართებაში. კოლაბორაციული ფილტრაცია (კფ) სარეკომენდაციო მიდგომაა, რომელიც აგენერირებს რეკომენდაციებს მსგავსი მომხმარებლების მიერ მინიჭებული უპირატესობების აგრეგირების საფუძველზე. მეტი სიზუსტის მიღება სს-ში ნიშნავს მომხარებლებს ან პროდუქტებს შორის მსგავსების მიმართების გაუმჯობესებას. მიუხედავად იმისა, რომ რამდენიმე დამატებითმა საშუალებამ გაზარდა მეხსიერებაზე დაფუძნებული კფ-ის სიზუსტე, მსგავსების გაუმჯობესებული ზომის შემუშავებით თვალსაზრისით დღეს ნაკლებადაა ისეთი კვლევები ნივთების სარეკომენდაციო (საპროგნოზო) ქულის შეფასების მეთოდების შესახებ, რომლებშიც შეფასების/უპირატესობის ქულები ენიჭება იმ ნივთებს, რომლებიც ჯერ არ არის ამორჩეული მომხმარებლის მიერ. TOPSIS მიდგომა, ერთზე მეტი კრიტერიუმის შემთხვევაში, წარმოდგენს შეფასებათა პროგნოზირების მეთოდს ალტერნატივების ელემენტთა შეფასებისა და რანჟირებისათვის. იგი მიიღება მსგავსი მომხმარებლებისგან. TOPSIS ტექნიკით შემოთავაზებული რეკომენდაციის სიზუსტე ფასდება მისი გამოყენებით კფ-ის სხვადასხვა გავრცელებულ საბაზისო მეთოდებთან, რომლებიც შემდეგ გამოიყენება წიგნების 3k მონაცემთა ანალიზისთვის.