دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 4 13 2025 02 07 Presenting a hybrid recommender system based on collaborative filtering techniques and item image content ارائه یک سیستم توصیه¬گر ترکیبی مبتنی بر تکنیک¬های فیلترینگ مشارکتی و محتوای تصاویر آیتم¬ها 89 135 10.22051/jera.2021.31891.2698 FA سیدجلال الدین گروه مهندسی نرم افزار،دانشجوی دکتری، دانشگاه آزاد اسلامی، یاسوج،تهران،ایران ، کرم الله استادیار گروه کامپیوتر، دانشگاه آزاد اسلامی واحد یاسوج، یاسوج، ایران حمید استادیار گروه کامپیوتر، دانشگاه آزاد اسلامی واحد نورآباد، فارس، ایران صمد استادیار گروه برق الکترونیک، دانشگاه آزاد اسلامی واحد یاسوج، یاسوج، ایران هادی استادیار گروه کامپیوتر، دانشگاه آزاد اسلامی واحد یاسوج، یاسوج، ایران 2025 01 27 Recommender systems, with the ability to recognize the user and predict his priorities, sift through the information that is likely to be of interest to the user from the large volume of data and save the user's time and energy by recommending them to the user. On the other hand, these systems, with the ability to analyze and store the user's past behaviors, also infer existing services and information that the user has not paid attention to but is probably interested in and provide interesting results to users in the form of recommendations. While in the vast majority of works done in the field of recommender systems, each item is displayed only with numerical or string features, one of the features that has a significant impact on determining the level of desirability of items from the users' point of view is their images. This is more important for products such as clothing, jewelry, etc., which are mostly accepted by customers due to their physical appearance. For this purpose, this paper aims to present a combined method to increase the efficiency of these systems using collaborative filtering techniques and the content of the images of the items. In this paper, first, using image processing techniques, the visual features of the items are extracted, then by selecting the appropriate similarity criterion and using the technical specifications of the items and the individual characteristics of the users, the users and similar items will be segmented. After that, using this information and utilizing the collaborative filtering technique, the best suggestions that are most similar to the users' tastes will be presented. Experimental results show that the proposed method has been able to demonstrate appropriate efficiency. سامانه‌های توصیه‌گر با توانایی شناخت کاربر و پیش‌بینی اولویت‌های او‌، اطلاعاتی که احتمال می‌رود مورد توجه کاربر باشد را از بین حجم بالای داده‌ها غربال کرده و با توصیه آنها به کاربر در وقت و انرژی او صرفه جویی می‌کنند. از طرف دیگر این سامانه‌ها با توانایی تحلیل و ذخیره رفتارهای گذشته کاربر، خدمات و اطلاعات موجودی را که وی توجهی به آن نداشته ولی احتمالا علاقه‌مند به آن است نیز استنتاج کرده و نتایج جالب توجهی به کاربران به شکل توصیه ارائه می‌کند. در حالی¬که در اکثریت قریب به‌اتفاق کارهای انجام شده در زمینه سیستمهای پیشنهاد دهنده، هر آیتم تنها با ویژگی¬هایی عددی یا رشته¬ای نمایش داده شده است، اما یکی از ویژگیهایی که تأثیر بسزایی در تعیین میزان مطلوبیت آیتم ها از نظر کاربران دارد، تصاویر آنها میباشد. این مسئله در مورد محصولاتی همچون پوشاک، جواهرات و غیره که بیشتر به علت ظاهر فیزیکی خود مورد قبول مشتریان واقع می شوند، از اهمیت بیشتری برخوردار می¬باشد. به¬همین منظور این مقاله درصدد ارائه روشی ترکیبی جهت افزایش کارایی این سیستم¬ها با استفاده از تکنیک¬های فیلترینگ مشارکتی و محتوای تصاویر آیتم¬ها می¬باشد. در این مقاله ابتدا با استفاده از تکنیک¬های پردازش تصویر، ویژگی¬های بصری مربوط به آیتم¬ها استخراج شده، سپس با انتخاب معیار شباهت مناسب و استفاده از مشخصات فنی آیتم¬ها و ویژگی¬های فردی کاربران، اقدام به بخش¬بندی کاربران و آیتم¬های مشابه خواهد شد. پس از آن با استفاده از این اطلاعات و بهره گرفتن از تکنیک فیلترینگ مشارکتی سعی خواهد شد بهترین پیشنهادات که بیشترین قرابت را با سلایق کاربران دارد، ارائه شود. نتایج تجربی نشان می دهند که روش پیشنهادی توانسته کارآیی مناسبی را از خود نشان دهد. /downloadfilepdf/1888614