Collaborative filtering based on subsequence matching: A new approach

تکنیک های مبتنی بر محله، اگر چه بسیار محبوب در سیستم های توصیه شده، نشان می دهد نتایج عملکرد متفاوت با توجه به پارامترهای خاص استفاده می شود؛ علاوه بر اندازه محله، یک جزء حیاتی از این توصیهگرها، متریک شباهت است. بنابراین، با در نظر گرفتن اطلاعات بیشتر مرتبط با کاربران - مانند توجه به سفارش اقلام به عنوان آنها مصرف شد و یا الگوی تعامل بین کاربران و اقلام - باید قادر به تعریف مفهوم شباهت بیشتر و کامل تر و بهتر انجام شود برای فیلتر کردن مشارکتی در این مقاله ما پیشنهاد می کنیم تکنیک مقایسه کاربران - همچنین قابل تمدید به موارد - کار با آنها به عنوان توالی به جای بردارها، از این رو امکان چشم انداز جدید برای تجزیه و تحلیل رفتار کاربر با پیدا کردن کاربران دیگر که الگوهای مشابه ترتیب به جای تنها تمرکز در رتبه بندی های مشابه در مورد. ما همچنین رویکرد ما را با سایر تکنیک های شناخته شده مقایسه می کنیم که عملکرد قابل مقایسه یا بهتر از نظر پیش بینی رتبه بندی، ارزیابی رتبه بندی، و شاخص های تنوع و تنوع را نشان می دهد. با توجه به نتایج به دست آمده، ما بر این باوریم که هنوز هم می تواند به بهبود بخشید، به دلیل عمومی بودن آن و عملکرد خوب با استفاده از این تکنیک.