జర్నల్ ఆఫ్ ఇన్ఫర్మేషన్ టెక్నాలజీ & సాఫ్ట్వేర్ ఇంజనీరింగ్
అందరికి ప్రవేశం
ISSN: 2165- 7866
ISSN: 2165- 7866
షెరీన్ హెచ్ అలీ, అలీ ఐ ఎల్ డెసౌకీ మరియు అహ్మద్ ఐ సలేహ్
తుది వినియోగదారులకు వ్యక్తిగతీకరించిన మరియు లక్ష్య సిఫార్సులను అందించడం ద్వారా సమాచార ఓవర్‌లోడ్ సమస్యను విజయవంతంగా పరిష్కరించడానికి సిఫార్సు చేసే వ్యవస్థలు (RSs) ఉపయోగించబడ్డాయి. RSలు అనేవి సాఫ్ట్వేర్ టూల్స్ మరియు టెక్నిక్‌లు అనేవి వినియోగదారుకు ఉపయోగపడే అంశాలకు సూచనలను అందిస్తాయి, అందువల్ల, అవి సాధారణంగా డేటా మైనింగ్ నుండి సాంకేతికతలు మరియు పద్ధతులను వర్తింపజేస్తాయి. నిలువు సిఫార్సు వ్యవస్థల యొక్క సిఫార్సు ఖచ్చితత్వాన్ని ప్రోత్సహించడానికి కొత్త వినియోగదారు ప్రొఫైల్ లెర్నింగ్ మోడల్‌ను పరిచయం చేయడం ఈ పేపర్ యొక్క ప్రధాన సహకారం. ప్రతిపాదిత ప్రొఫైల్ లెర్నింగ్ మోడల్ ఇంటెలిజెంట్ యొక్క బహుళ వర్గీకరణ మాడ్యూల్‌లో ఉపయోగించబడిన నిలువు వర్గీకరణను ఉపయోగిస్తుంది. అడాప్టివ్ వర్టికల్ రికమండేషన్ (IAVR) సిస్టమ్ వినియోగదారు ఆసక్తి ఉన్న ప్రాంతాన్ని కనుగొని, తదనుగుణంగా వినియోగదారు ప్రొఫైల్‌ను రూపొందించండి. ప్రయోగాత్మక ఫలితాలు ప్రతిపాదిత ప్రొఫైల్ లెర్నింగ్ మోడల్ యొక్క ప్రభావాన్ని నిరూపించాయి, తదనుగుణంగా ఇది సిఫార్సు ఖచ్చితత్వాన్ని ప్రోత్సహిస్తుంది.