بخشی از مقاله
چکیده
امروزه با شکوفا شدن شبکه های اجتماعی حجم زیادی از اطلاعات در دسترس هستند و در حال افزایش می باشند. پیشنهادات در زندگی روزانه ما نقش مهمی دارند. افزایش شبکه های اجتماعی و نقش مهم تاثیرات نظرات افراد و تصمیم گیری سایر کاربران در مورد استفاده یا عدم استفاده از خدمات یا محصولات خاص، استفاده از سیستم های پیشنهاد دهنده را موجب شده است. سیستم های پیشنهاد دهنده ابزار های نرم افزاری هستند که پیشنهاداتی را در مورد یک موضوع مشخص به کاربران می دهند که نیاز است با سلایق آنها مرتبط باشد. سیستم پیشنهاد دهنده باید خدمات مرتبط را از یک منبع قابل اعتماد بازیابی کند. در این مقاله، به بررسی سیستم های پیشنهاد دهنده به عنوان یکی از فناوری های مفید در شبکه های اجتماعی و عامل های مهم آن می پردازیم.
مقدمه
با توجه به حجم زیاد و رو به افزایش اطلاعات در اینترنت، مدیریت آنها با ابزار های سنتی کاری غیر ممکن است و نیازمند شیوه های نوین می باشد. همچنین فرایند انتخاب و تصمیم گیری اطلاعات یا کالای مورد نظر برای کاربران دشوار شده است. این موضوع باعث شد تا راه حلی برای این مشکل اساسی که با عنوان سرریز داده ها شناخته شده است پیدا شود. برای حل این مسئله دو راه حل تاکنون ارائه شده است. اولین راه حل ارائه شده استفاده از دو عملکرد بازیابی اطلاعات و تصفیه سازی اطلاعات بود. مشکل اساسی که این دو مفهوم داشتند این بود که برخلاف پیشنهاد دهنده های انسانی قادر به تشخیص اقلام با کیفیت و بی کیفیت و تفکیک آنها در ارائه پیشنهاد برای یک موضوع نیستند.
این مشکل موجب شد تا راه حل دومی که سیستم های پیشنهادگر معرفی شد، پدیدار آید. سیستم های پیشنهادگر زیرمجموعه ای از سیستم های فیلترینگ اطلاعاتی هستند. این سیستم ها مشکل راه حل اولیه را حل نمودند.این سیستم ها با استفاده ازتکنیک های آماری و کشف دانش به منظور پیشنهاد محصولات و خدمات به کاربران و کاهش مشکلات ناشی از ازدیاد اطلاعات و داده ها بکار گرفته می شوداز اهداف سیستم های پیشنهاد دهنده می توان به انتخاب اینکه کدام یک از آیتم ها به کاربر نشان داده شود و تصمیم گیری در این مورد که پیشنهادات در چه زمانی و چگونه به نمایش درآیند، اشاره نمود. مزیت مهم سیستم های پیشنهاد دهنده این است که بر اساس دستاوردی که از رفتار و سلایق و فعالیت کاربران دارند، عمل می کنند. این سیستم ها باید پیشنهادات خود را با در نظر گرفتن موارد زیر به کاربر دهد :
· شرایط و محیطی که کاربر در آن قرار دارد
· نیاز کاربر
· دانش سیستم در مورد کاربر
· سابقه فعالیت های کاربر
در نتیجه پیشنهادات این سیستم ها بر اساس حدس و گمان نیست و با خصوصیات فردی کاربران تنظیم شده است. از وظایف اصلی سیستم های پیشنهاد دهنده جمع آوری اطلاعات گوناگون درباره سلایق کاربران و آیتم های موجود در سیستم است که این اطلاعات می توانند بصورت صریح، ضمنی، استفاده از اطلاعات شخصی ثبت شده از کاربر یا اطلاعات موجود در شبکه های اجتماعی جمع آوری شوند. با استفاده از سیستم های پیشنهاد دهنده می توان به اطلاعاتی دسترسی پیدا کرد که درحالت عادی شاید امکان پذیر نباشد. در نتیجه سیستم های پیشنهاد دهنده موجب می شود بجای هدر رفت وقت و انرژی برای جستجو های ناموفق در اینترنت، وقت کاربر ضرف استفاده از مطالب جدید شود.
این سیستم ها در ابتدا بر مبنای اطلاعات و نمایه های آماری، مبتنی بر محتوا و فیلترینگ مشارکتی ایجاد شدند؛ اما در حال حاضر این سیستم ها با اطلاعات اجتماعی کاربران، اطلاعات شخصی و مکانی کاربران ترکیب شده اند. این سیستمها با استفاده از بازیابی اطلاعاتی که مرتبط با علایق کاربر است، مشکل سربار اطلاعات را حل می کنند - سبحانی مفرد، - 1396 اما هچنان اصلی ترین پالایش ها در سیستم های پیشنهاد دهنده پالایش های مبتنی بر محتوا، مشارکتی و ترکیب این دو می باشد.
همچنین با استفاده از »هوش جمعی« که چکیده رفتار هزاران کاربر است، میتوان از جدیدترین اتفاقات در زمینههای مختلف باخبر ماند. سایت آمازون نمونه بسیار خوبی در زمینه »سیستم های پیشنهاد دهنده« است. اگر آمازون محصولات را از جدید به قدیم نمایش می داد هیچگاه فروش خوبی نداشت. آمازون الگوریتم پیچیده ای دارد که در نمایش »جدیدترین کتاب ها« استفاده می کند. آمازون علاوه بر جدید بودن کتاب، تعداد کلیک ها، محبوب بودن زمینه کتاب، میزان فروش و ده ها پارامتر دیگر را مدنظر قرار می دهد. در شکل شماره 1 نمونه ای از یک سیستم پیشنهاد دهنده را مشاهده می کنیم.
اصول سیستم های پیشنهاد دهنده طراحی و پیاده سازی سیستم به شرح ذیل می باشند نوع داده های موجود در بستر سیستم بنا به کاربرد سیستم ممکن است انواع مختلفی از منابع اطلاعاتی در سیستم وجود داشته باشد. این اطلاعات می توانند امتیاز های کاربران به آیتم ها اطلاعات شخصی کاربران، محتوای مربوط به آیتم های سیستم، ارتباطات موجود در شبکه های اجتماعی و اطلاعات مربوط به موقعیت کاربر باشند. طبیعی است که در پروسه طراحی یک سیستم پیشنهاد دهنده باید به نوع داده های در اختیار توجه بسیار نمود - خورشاهی، . - 1395
الگوریتم فیلترینگ مورد استفاده
هدف سیستم های پیشنهاد دهنده این است که آیتم هایی را به کاربران پیشنهاد دهد که به سلایق و انتخابات گذشته ی کابر نزدیک باشد. سیستم پیشنهاد دهنده این آیتم ها را رتبه بندی می کند و آیتم با بالاترین رتبه را به کاربر پیشنهاد می کند - شبیب و همکاران، - 1386 فیلتر براساس محتوا: دراین روش پیشنهادات سیستم پیشنهاد دهنده براساس آیتمهایی که کاربر در گذشته انتخاب کرده است، ارائه می شود فیلتر مشارکتی: دراین روش براساس شباهت رفتاری والگوهای عملکردی کاربرانی که شباهت های رفتاری و الگوهای مشابهی با کاربر فعلی در گذشته داشته اند، پیشنهادات ارائه می شود فیلتر ترکیبی: این روش ترکیبی از دو روش بالاست و با استفاده از ترکیب متدها، تاحدودی مشکلات فیلتر مشارکتی و فیلتر کننده بر اساس محتوا را بر طرف می کند
مدل انتخابی برای سیستم
در عصر حاضر برای طراحی و مدل سازی سیستم های پیشنهاد دهنده از دو روش استفاده می شود. یکی استفاده مستقیم از داده هایی می باشد که در سیستم موجود است که به این روش، روش مبتنی بر حافظه گفته می شود و دیگری که کمی هوشمند تر است استفاده از یک مدل در سیستم است که به آن روش مبتنی بر مدل گفته می شود. - خورشاهی، - 1395
تکنیک مورد استفاده در پیشنهاد دادن
راهکار ها و تکنیک های مختلفی برای پیاده سازی هسته یک سیستم پیشنهاد دهنده وجود دارد. بعنوان مثال می توان از الگوریتم های ژنتیک، شبکه های عصبی، شبکه های Bayesian، روش های احتمالی و یا الگوریتم های همسایگی برای پیاده سازی هسته چنین سیستم هایی استفاده می شوند - خورشاهی، - 1395
مقیاس پذیری مورد انتظار سیستم
حجیم بودن یا تنک بودن مجموعه داده در کیفیت سیستم تاثیر نداشته باشد و سیستم بتواند خواسته های در حال افزایش را پاسخ دهد
کارایی مطلوب سیستم
سیستم پیشنهاد دهنده باید از نظر میزان حافظ مصرفی و زمان سیستم عملکرد مطلوبی داشته باشد
