TY - JOUR JF - khu-mmr JO - mmr VL - 7 IS - 1 PY - 2021 Y1 - 2021/5/01 TI - A new Approach for Building Recommender System Using Non-Negative Matrix Factorization Method TT - ارائه راهکاری نوین برای تولید سامانه‌های توصیه‌گر با استفاده از روش تجزیه نامنفی ماتریس N2 - تجزیه نامنفی ماتریس یک رویکرد جدید برای کاهش ابعاد داده‌ها است. در این روش با اعمال محدودیت نامنفی بودن داده‌های ماتریس، ماتریس به اجزایی تجزیه می‌شود که این اجزا تفسیر پذیرتر هستند و داده‌ها را به بخش‌هایی تقسیم می‌کنند که داده‌های موجود در این بخش‌ها ارتباط خاصی با هم دارند. در این مقاله از این خاصیت تجزیه نامنفی ماتریس، برای تجزیه ماتریس امتیازات کاربران به کالاها در سامانه‌های توصیه‌گر استفاده می‌کنیم. بدین‌ترتیب که ماتریس امتیازات را تجزیه می‌کنیم به‌گونه‌ای که کاربران با علایق مشابه تشخیص داده می‌شوند. در این مقاله به‌منظور کمینه‌سازی اختلاف بین ماتریس اصلی و فاکتورهای تجزیه، از روش منظم‌سازی استفاده می‌کنیم به‌طوری ‌که ضرایبی از نرم فاکتورهای تجزیه را در معادله تجزیه اعمال می‌کنیم که در یک فرایند به‌‌روز رسانی ضربی، داده‌های فاکتورهای تجزیه را کنترل می‌کنند. نتایج عددی روی مجموعه داده‌های موی‌لنز نشان‌گر دقت بیش‌تر روش پیشنهادی ما در پیش‌بینی امتیازات کاربران به کالاها است. SP - 111 EP - 126 AU - shahrokhi, nushin AU - arabi narie, somayeh AD - KW - Non negative KW - Recommender systems KW - Alternative least square KW - Multiplicative Update KW - Data analysis. UR - http://mmr.khu.ac.ir/article-1-2850-fa.html DO - 10.52547/mmr.7.1.111 ER -