مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 22 2 2024 9 24 Predicting ratings in recommender systems considering the dynamics of users’ preferences dynamics and changes in items' characteristics پیش‌بینی امتیازات کاربران در سیستم‌های پیشنهاددهنده با درنظرگرفتن پویایی علایق کاربران و تغییرات ویژگی‌های اقلام 119 128 fa حمیدرضا طهماسبی دانشگاه آزاد اسلامی واحد كاشمر 2023 6 27 <p class="Abstract">Recommender systems help users to extract useful information from a large volume of complex data, and their use has received significant attention in recent years. In practice, the interests of users and the characteristics of items in these systems change over time, and therefore, adapting recommender systems to these types of changes is necessary and helps to provide more accurate recommendations to users. However, most temporal recommender systems are only based on the dynamics of users' preferences over time and do not consider changes in item characteristics.</p> <p class="Abstract">In this paper, we propose a non-negative matrix factorization-based recommender system that uses both dynamics of users' interests and the changes in item characteristics over time in predicting users' ratings of items. In the proposed model, in order to reduce the data sparsity problem, in addition to users' ratings, trust between users is also used. The evaluation results on the Epinions dataset show that the proposed model is more accurate than the compared methods.</p> <p>سیستم&zwnj;های پیشنهاددهنده برای استخراج اطلاعات مفید از حجم انبوهی از دادههای پیچیده به کاربران کمک کرده و استفاده از آنها در سال&zwnj;های اخیر مورد توجه&zwnj;ی چشم&zwnj;گیری قرار گرفته است. در عمل معمولا ًعلایق کاربران و ویژگی&zwnj;های اقلام در این سیستم&zwnj;ها در طول زمان تغییر می&zwnj;کنند و بنابراین تطبیق سیستم&zwnj;های پیشنهاددهنده با این نوع تغییرات ضروری بوده و به ارائه&zwnj;ی پیشنهاداتی دقیق&zwnj;تر به کاربران کمک می&zwnj;کند. با این وجود، اغلب سیستم&zwnj;های پیشنهاددهنده&zwnj;ی پویا، فقط مبتنی بر پویایی علایق کاربران در طول زمان هستند و تغییرات ویژگی&zwnj;های اقلام را در نظر نمی&zwnj;گیرند. در این مقاله، مدلی مبتنی بر تجزیه&zwnj;ی نامنفی ماتریس برای پیش&zwnj;بینی امتیازات کاربران به اقلام در سیستم&zwnj;های پیشنهاددهنده ارائه می&zwnj;شود که از هر دوی پویایی علایق کاربران و تغییرات ویژگی&zwnj;های اقلام در طول زمان استفاده می&zwnj;کند. در مدل پیشنهادی به منظور کاهش مشکل خلوتی داده&zwnj;ها، علاوه بر امتیازات کاربران از اطلاعات مربوط به اعتماد بین کاربران نیز استفاده می&zwnj;شود. نتایج ارزیابی بر روی مجموعه داده&zwnj;ی Epinions نشان می&zwnj;دهد که مدل پیشنهادی نسبت به روش&zwnj;های مورد مقایسه از دقت بهتری برخوردار می&zwnj;باشد.</p> http://ijece.org/fa/Article/Download/42983