بسم تعالی
فصل اول
برای اینکه اطلاعاتی از رفتار، انتخابها، و مجموعه از اطلاعات همگون استخراج کنیم از الگوریتم های هوش جمعی استفاده می کنیم
بسیاری از شرکت ها از جمله گوگل از هوش جمعی برای امتیاز دهی و رتبه بندی لینک ها و ایمیل فیلترینگ و الگوریتم های learn to rank استفاده می کنند
موارد استفاده از برنامه نویسی هوش جمعی
زیست تکنولوژی. کشف تخلفات مالی.بینایی ماشین. بازاریابی. بهینه سازی تهیه مواد اولیه خط تولید. آنالیز بازار. امنیت ملی
فصل دوم
پیشنهاد محصولات مشابه
دو بخش
با استفاده از فعالیت های مشارکتی به فیلتر مشارکتی اقدام می کنیم
یعنی اول یک سری فعالیت انجام شده است و ما آن فعالیت ها را ذخیره کرده ایم مثل خرید محصولات کلیک بر روی چند لینک از بین لینک ها و غیره را به عنوان منبع استفاده می کنیم و با استفاده از آنها اقدام به ایجاد فیلتر بر روی محصولات می کنیم. مثلا کسی که کتاب آموزش پایتون امتیاز بالا داد . کتاب هایی مشابه که افراد هم به آن کتاب ها رای بالا داده اند و هم به کتاب آموزش پایتون رای بالا داده اند را به کاربر نشان می دهیم.
یکی از ساده ترین روش ها
برای مثال می خواهیم یک سیستم پیشنهاد بنویسیم
یکی از راحت ترین حالت ها محاسبه فاصله بین دو رای در دو فرد است
sqrt(pow(5-4,2)+pow(4-1,2))
این فرمول برای افراد شبیه به هم عدد کمتری نشان می دهد
ما می خواهیم در رنج ۰ تا یک عدد یک نشان دهنده شبیه بودن بیشتر باشد
بنابراین
از این فرمول استفاده می کنیم
1/(1+sqrt(pow(5-4,2)+pow(4-1,2)))
pow(prefs[person1][item]-prefs[person2][item],2)
استفاده از
ضریب همبستگی پیرسون
اطلاعات عمومی در مورد ضریب همبستگی
Uploading ....