چکیده

سیستم‎های توصیه‌گر روش‌هایی هستند که با هدف پیشنهاد موارد مرتبط با سلیقه کاربران مانند فیلم برای تماشا، متن برای خواندن، محصولات برای خرید و غیره انجام میشود. طی چند دهه گذشته، با ظهور شبکه‌های اجتماعی مانند یوتیوب، آمازون، نتفلیکس و بسیاری دیگر از خدمات وب، سیستم‎های توصیه‌گر بیشتر و بیشتر در زندگی روزمره جای گرفته است. از طرفی دیگر با پیشرفت روزافزون صنعت بازی‎های رایانه‌ای و افزایش محبوبیت آن در جهان و به ویژه در ایران، نیاز به یک سیستم توصیه‌گر برای تسهیل جست و جو و انتخاب بازی برای کاربران حس می شود. رویکرد پالایش همکارانه به دلیل سادگی و فهم آسان یکی از محبوب‌ترین مدل‌های سیستم‌های توصیه‌گر است که توصیه‌ها صرفاً بر اساس تعاملات قبلی ثبت شده بین کاربران و اقلام در قالب ماتریس امتیازدهی ارائه می شوند هدف این مقاله طراحی یک سیستم توصیه‌گر پالایش همکارانه است که بر اساس امتیازات کاربران به بازی‎های مختلف پیشنهاداتی مناسب با سلیقه آنها ارائه دهد. سیستم پیشنهادی رویکرد‌ی ترکیبی از مدل‌های پالایش همکارانه مبتنی بر کاربر و قلم و همچنین شبکه عصبی جهت توصیه K-بالاترین بازی به کاربر فعال را ارائه می‌نماید. ارزیابی سیستم پیشنهادی بر روی مجموعه داده از پلتفرم steam اعمال شده و ارزیابی توسط عامل انسانی و همینطور توسط معیارهای ارزیابی متداول با یک روش توصیه‌گر تصادفی صورت گرفته است که نتایج بیانگر ارایه توصیه‌های متناسب با سلیقه کاربران بوده و همچنین عملکرد سیستم نسبت به روش توصیه‌گرتصادفی بهبود بخشیده شده است.

کليدواژه ها

سیستم توصیه گر، پالایش همکارانه، بازی های رایانه ای، شبکه عصبی

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
چیترا دادخواه , 1400 , سیستم توصیه گر پالایش همکارانه جهت پیشنهاد بازی‎های رایانه‌ای , هفتمين کنفرانس بين المللي بازی های رايانه ای فرصت ها و چالشها