بخشی از مقاله
چکیده
با افزایش سریع حجم اطلاعات در دنیای امروزی، به سیستمی که با دادن پیشنهادات مناسب با خواستههای یک کاربر - پیشنهادات شخصیسازی شده - ، او را از مرور تمام آیتم ها بازدارد، احساس نیاز میشود. امروزه سعی در ساخت "سیستمی توصیهگر" با درصد خطای کم و سرعت بالا در تمام شرایط به یکی از پرطرفدارترین حوزههای تحقیقاتی دانشگاهی تبدیل شده است. بهدلیل درصد خطای بالا، معمولاً یک روش پایه در ساخت اینگونه سیستمها به کار گرفته نمیشود. اکثر اوقات جهت پیادهسازی آن از ترکیب چندین روش استفاده میشود. الگوریتمهای پیشنهادی در دو دستهی کاربرمحور و آیتم محور تقسیم میشوند. جهت بهبود توصیهها و در نتیجه حل مشکل شروع سرد - کاربری و آیتمی - ، از دادههای خارج از سیستم توصیهگر نیز استفاده میشود.
در این تحقیق، روش کاربرمحور پیشنهادی از روابط اعتماد بین کاربران در شبکههای اجتماعی، جهت تشخیص هرچه بهتر علایق کاربر و در نتیجه بهبود توصیهها، استفاده میکند. جهت تشخیص هر چه بهتر شباهت میان آیتم ها، روش آیتممحور پیشنهادی نیز، از معیار جاکارد در کنار مشهوریت آیتمها بهره میگیرد. نوآوری در این تحقیق بدین ترتیب است که با ادغام تکنولوژیهای تلفیقی و شبکه اجتماعی مشکلاتی چون "شروع آهسته"، و به طور کلیتُنُکی" داده ها" در سیستمهای توصیهگر حل شده است. از مجموعه دادههای جمعآوری شده جهت این تحقیق از تراکنشهای سایت IranEcar.com و نیز از اطلاعات تکمیلی موجود در سایتهای خودرویی دیگر استفاده شده است. ارزیابی کارآیی الگوریتمهای پیشنهادی در مقایسه با الگوریتمهای رقیب مرزهای دانش انجام پذیرفت و نتایج ارزیابی کارآیی بهبود یافته، نشانگر تأثیر بسزای بهکارگیری اطلاعات اجتماعی در کاهش خطای سیستمهای توصیهگر است
کلمات کلیدی: سیستم توصیه گر، مشکل شروع آهسته، شبکه اجتماعی، اعتماد
مقدمه و بیان مساله
در این روزها همگام با رشد صنعت تجارت الکترونیک 1 و پیچیدهتر شدن آن، دادههای محصولات با نرخ نمایی در حال افزایش است. در یک چنین محیطی، مشتریها برای پیدا کردن اطلاعات بهینه از بین خیل عظیم اطلاعات درباره آیتمها یا همان محصولات مورد نظر، مشکل دارند. برای کمک به خریداران در حل این مشکل، شرکتهای تجاری بزرگ الکترونیکی در صدد ارائه سیستمهای توصیهگر - RS - 2 خاص خودشان هستند تا به مشتریهایشان در انتخاب بهینهتر آیتمهای تولیدی کمک کنند - .1 - این نوعی شگرد دوطرف بُرد 3 است.رشد بیسابقه تکنولوژی جدید اینترنت در سالهای اخیر، باعث ایجاد برنامههای کاربردی بسیار زیادی در زمینه تجارت الکترونیک شده است . - 2 -
وجود برنامههای کاربردی در زمینه B2C و B2B نیاز به ارتباط مؤثر بین ماشینها را دارد. یکی از مهمترین برنامههای کاربردی سیستمهای توصیهگر میباشد. سیستمهای توصیهگر نوعی ویژه از سیستمهای فیلتر اطلاعات است، که در آن آیتم ها را، بر اساس اینکه چه آیتمی برای کاربر جذاب است، از یک مجموعه بزرگ از آیتمها و کاربران فیلتر میکنند. این سیستم رویکردی است که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارائه شده است و به کاربر خود کمک میکند تا در میان حجم عظیم اطلاعات سریعتر به هدف خود نزدیک شوند. برخی سامانه پیشنهادگر را معادل پالایش گروهی4میدانند.توصیههایی که از سوی سیستمهای توصیهگر ارائه میشوند، بهطور کلی میتوانند دو نتیجه در برداشته باشند :
• کاربر را در اخذ تصمیمی یاری کند - مثلاً از میان چندین گزینه پیشرو کدام بهتر است و آن را انتخاب کند و ... - .
