الهه زارع - دانشجوی کارشناسی ارشد کامپیوتر، گروه مهندسی کامپیوتر، موسسه آموزش عالی پیشتازان، شیراز، ایران.
سعید مهرجو - گروه کامپیوتر، واحد داریون، دانشگاه آزاد اسلامی ، داریون، ایران

سیستم توصیه دهنده فروشگاههای اینترنتی بر اساس مجموعه داده ۵۰۰۰movies_ و TMDB، با استفاده از الگوریتم های ترکیبی کلونی مورچگان و رای گیری حداکثری مبتنی بر متن کاوی، قابلیت شخصی سازی بالایی دارد. این الگوریتم ها به کاربران کمک می کنند تا با توجه به سلیقه و نیاز خود، بهترین کالاها و خدمات مرتبط را در فروشگاههای اینترنتی پیدا کنند. در این سیستم ، مجموعه داده ۵۰۰۰movies_ و TMDB برای جمع آوری دادههای مرتبط با محصولات استفاده می شود. با استفاده از الگوریتم ترکیبی کلونی مورچگان، مسیرهای بهینه برای هر کاربر در گراف مدل شده (مثلا فیلم ها) پیدا می شود. در این الگوریتم ، مورچه ها با حرکت در گراف، مسیرهای مختلف را پیمایش می کنند و بهترین مسیر برای هر مورچه ساخته می شود. سپس ، با استفاده از الگوریتم رای گیری حداکثر، از بین محتواهایی که توسط مسیرهای بهینه پیشنهاد شده اند، آن هایی که بیشترین رای را دریافت کردهاند، به عنوان پیشنهاد به کاربران ارائه می شود. در این الگوریتم ، کاربران می توانند به هر محتوایی (مثلا فیلم ) که پیشنهاد شده است ، رای بدهند و در نهایت محتوایی که بیشترین رای را دریافت کرده است به عنوان پیشنهادنهایی انتخاب می شود. همچنین ، با استفاده از الگوریتم پیشنهادی، می توان به صورت خودکار اطلاعات مرتبط با محصولات را جمع آوری کرده و به کاربران پیشنهاد داد. این الگوریتم با تحلیل نظرات کاربران و بررسی مشخصات محصولات، می تواند به کاربران پیشنهاد کالاهای مرتبط و با کیفیت تری را ارائه دهد. به طور کلی ، با ترکیب الگوریتم های ترکیبی کلونی مورچگان و رای گیری حداکثری مبتنی بر متن کاوی، سیستم توصیه دهنده فروشگاههای اینترنتی می تواند بهبود قابل توجهی در دقت و عملکرد داشت .

شخصی سازی سیستم توصیه گر، فروشگاه های اینترنتی ، الگوریتم کلونی مورچگان، الگوریتم رای گیری حداکثری، متن کاوی.