Key points are not available for this paper at this time.
تستخدم أنظمة توصية الأفلام بشكل متكرر في الأكاديميات والصناعات لتقديم محتوى ذي صلة وجذاب للمستخدمين استنادًا إلى تاريخ تقييماتهم. ومع ذلك، تعاني معظم الطرق التقليدية من مشكلة البدء البارد، التي تتمثل في نقص التقييمات الأولية للعنصر وتفرق البيانات. تم اقتراح تقنية التعلم الآلي الهجينة (ML) لنظام توصية الأفلام. يتم جمع البيانات الديموغرافية من مجموعة بيانات Movie Lens، ويتم تقييم السمات باستخدام وحدة تحليل السمات. يتم استخدام خوارزمية تحسين أكويلا لاختيار أفضل السمات، في حين تستخدم مصنّف الغابة العشوائية للتصنيف. يتم تجميع البيانات باستخدام خوارزمية CLUSTERING الاحتمالية الغامضة (FPCCA)، وتستخدم مرحلة تقييم مؤشر التطابق (CIAP) معامل بهاتاشاريا في التصفية التشاركية (BCCF) لحساب مؤشر التشابه. تعطي النتائج أن الطريقة المقترحة حققت خطأً منخفضًا، حيث كانت MAE 0.44 و RMSE 0.63 مقارنةً بالطرق الأساسية.
درس بارانجيبي وآخرون (Mon,) هذا السؤال.