%0 Journal Article %T کاربرد تجزیه‌های ماتریسی در سامانه‌‌های پیشنهادگر %J فرهنگ و اندیشه ریاضی %I انجمن ریاضی ایران %Z 1022-6443 %A گلپررابوکی, عفت %A کیاهی, معصومهٔ %D 2022 %\ 10/23/2022 %V 41 %N 1 %P 97-112 %! کاربرد تجزیه‌های ماتریسی در سامانه‌‌های پیشنهادگر %K سامانه‌‌های پیشنهادگر %K پالایش مشارکتی %K ماتریس کاربر-کالا %K کاهش بُعد %K تجزیه مقدار تکین %K تجزیه نیم‌گسسته %R 10.30504/mct.2022.335 %X با توجه به انبوه‌ اطلاعات در شبکۀ جهانی اینترنت، وجود سامانه‌‌های پیشنهادگر که کالاها را به‌شکل خودکار و هوشمندانه به کاربران پیشنهاد دهند، کاملاً ضروری به ‌نظر می‌رسد. یکی از چالش‌های مطرح در این نوع سامانه‌ها، تُنکی ماتریس کاربر-کالا است که باعث می‌شود سامانه نتواند پیشنهاد مناسبی به کاربر ارائه دهد و درنتیجه کارایی آن کاهش پیدا می‌کند. الگوریتم پیشنهادی ما برای رفع این مشکل، ترکیب پالایش مشارکتی مبتنی‌بر حافظه و پالایش مشارکتی مبتنی‌بر مدل است. برای این منظور از روش‌های کاهش بُعد استفاده می‌‌کنیم که از طریق فشرده‌سازی ماتریس‌ها تقریبی کم‌رتبه از آن به دست می‌دهد و علاوه‌بر تشخیص داده‌های کم‌اهمیت و حذف آن‌ها، ساختار داخلی داده‌ها نیز بهتر مشخص می‌شود. به همین دلیل، روش‌های تجزیۀ مقدار تکین SVD  و تجزیۀ نیمه‌گسسته‎ SDD را مورد بررسی قرار می‌دهیم و نتایج حاصل را مقایسه می‌کنیم. نتایج به‌دست آمده نشان می‌دهد که هرچند ‎کمترین خطا را دارد، ولی  با خطایی نزدیک به ‎SVD   از نظر زمان اجرا و به‌ویژه حافظهٔ موردنیاز به‌صرفه‌تر است. %U http://mct.iranjournals.ir/article_335_56f2da76420a4fb2fe90256b887183d1.pdf