Recommender system based on pairwise association rules

سیستم های توصیه شده مبتنی بر روش هایی مانند فیلترهای مشارکتی و مبتنی بر محتوا به پروفیل های گسترده کاربر و توصیفگرهای آیتم و همچنین تاریخچه گسترده ای از تنظیمات کاربر متکی هستند. چنین روش هایی با چالش های متعددی مواجه هستند. از جمله مشکل سرد شروع در سیستم های مشخص شده با استفاده نامنظم، نگرانی های حفظ حریم خصوصی و زمینه های که در آن طیف وسیعی از شاخص ها منافع کاربر محدود است. ما یک الگوریتم پیشنهاد کننده را که یک مدل از تنظیمات جمعی را مستقل از منافع کاربر شخصی می سازد، توصیف می کند و نیازی به سیستم پیچیده ای از رتبه بندی ندارد. عملکرد الگوریتم بر روی یک مجموعه داده های حجم معاملات بزرگ تولید شده توسط یک سیستم یادآوری مصرف مواد غذایی در دنیای واقعی تحلیل می شود.