بخشی از مقاله
چکیده
امروزه با توسعه سریع اینترنت و رشد عظیم صفحات وب، بسیاری از وب سایت های الکترونیکی به منظور هدایت کاربران به محصولات مورد نیازشان، از سیستم های پیشنهاد دهنده محصول استفاده میکنند. چنین سیستم هایی معمولا برای کاربر یک لیست از آیتم های پیشنهادی را که ممکن است کاربر آنها را ترجیح دهد فراهم میکنند. در این پژوهش یک سیستم پیشنهاد دهنده محصول مبتنی بر فیلترینگ مشارکت محور و شبکه عصبی ارائه شده است که از خوشه بندی ژنتیک به منظور بهبود مجموعه پیشنهادی محصولات پیشنهادی استفاده میکند. بدین ترتیب که در ابتدا به پیش پردازش داده های می پردازیم تا داده های غیرضروری را حذف نماییم. آزمایشات نشان میدهد که سیستم پیشنهادی دقت و فراخوانی بالاتری نسبت به الگوریتم های قابل مقایسه دارد.
کلمات کلیدی: پیشنهاد دهنده محصول، خوشه بندی ژنتیک، شبکه های عصبی، فیلترینگ مشارکت محور
-1 مقدمه
در سالیان اخیر گسترش روزافزون اینترنت، سازمان ها و مشتریان را به بهره گیری از خدمات تجارت الکترونیکی1 متمایل ساخته و سهولت برقراری تعاملات مجازی سبب ترویج و رونق فرآیند خرید و فروش برخط میان مشتریان شده است. در فضای رقابتی کسب و کارهای برخط ، ابقا یا حفظ مشتریان از محورهای مهمی است که در تدوین برنامه های حوزه مدیریت ارتباط با مشتری2 مد نظر مدیران قرار می گیرد. زیرا حفظ مشتریان سازمان می تواند به مراتب از به دست آوردن مشتریان جدید دشوارتر باشد - کرامتی و خالقی 1393، . - 257 از طرفی دیگر زمانیکه مشتریان برای خرید محصولات و خدمات خود به وب گاه های تجارت الکترونیک مانند فروشگاه هایی نظیر ebay یا amazon مراجعه می کنند ، برای هر آیتم با تعداد زیادی برند و مدل های متفاوت رو به رو می شوند.
با چنین حجم بالایی از اطلاعات ، آنها بدون داشتن اطلاعات مورد نیازشان قادر به تصمیم گیری صحیح نیستند ؛ پس اگر در انتخاب محصول مطمئن نباشند ، با سرریز اطلاعات رو به رو می شوند - سهیل،صدیقی و علی 1390، . - 1 سیستم های پیشنهاد دهنده محصول یکی از نمونه های اصلی سیستم های شخصی سازی وب هستند. این سیستم ها به کاربران در پیمایش وب ، بافتن اطلاعات مفید ومناسب ونیز دریافت پیشنهادهای پوبا راجع به محصولات و سرویس های در یک وب سایت کمک می کنند. هدف سیستم های پیشنهاد دهنده وب هدایت کاربران به سمت صفحاتی است که به بهترین وجه نیاز ها و علایق آنها را برآورده سازد. در حال حاضر صفحات به صورتی طراحی میشوند که تنها توسط انسان خوانده شوند.
-2 سیستم های پیشنهاد دهنده
رشد انفجاری از اطلاعات در شبکه جهانی وب با توسعه دستگاه های الکترونیکی پیشرفته ، اطلاعات وب را به طور فزاینده در زندگی همه مهم کرده است. معرفی سریع وب سایت های فعلی کاربران وب ،با ارائه گزینه های بسیاری غرق شده است. در نتیجه، کاربران وب تمایل به تصمیم گیری ضعیف ،هنگام گشت و گذار در وب با توجه به عدم توانایی برای مقابله با مقدار زیادی از اطلاعات را دارند. افزایش حجم محتوای وب در وب سایتها، سیستمهای پیشنهاد دهنده را مبدل به یکی از مهمترین قسمتهای وب سایتها کرده است. سیستمهای پیشنهاد دهنده سعی میکنند تا کاربران را بدون اینکه در حجم زیادی از اطلاعات وب گم شوند، به صفحاتی که دوست دارند بروند هدایت کنند.
اینگونه سیستمهایکی از نمونه های اصلی سیستم های شخصی سازی وب هستند؛ این سیستم ها به کاربران در پیمایش وب، یافتن اطلاعات مفید و مناسب و نیز دریافت پیشنهاهای پویا راجع به محصولات و سرویس های موجود در یک وب سایت کمک می کنند.[18] امروزه تکنیک های وب کاوی به طور گسترده ای برای شخصی سازی وب و ساخت سیستمهای پیشنهاد دهنده به کار گرفته شده اند.[19] یکی از انواع وب کاوی، کاوش استفاده از وب می باشد که از تکنیک های ساخت سیستم های توصیه گر وب است. یک سیستم توصیه گر وب ساخته شده توسط کاوش استفاده از وب، فایل های ثبت وقایع - Loge files - سرویس دهنده وب را به عنوان ورودی میگیرد و از تکنیک های داده کاوی برای استخراج الگوهای حرکتی کاربران جهت ارائه پیشنهادهای آتی به کاربر جاری استفاده می کند.[20]پیشنهاد کتابها، سی دیها و بقیه محصولات در [30] Amazon.com یکی از مثالهای چنین سیستمهایی میباشد.
کار پیشنهاد دهنده این است که رابطهای بین کاربر و آیتمهایی که کاربرقبلاً ندیده است بیابد. یک رابطهی تخمینی میتواند به پیشنهادات موفقتری منجر شود و برعکس یک تخمین نادرست میتواند پیشنهادات نامرتبطی را ایجاد کند. روشهای مختلف داده کاوی و یادگیری ماشین میتوانند برای پیدا کردن رابطه بهکار برده شوند. سیستمهای پیشنهاد دهنده بر اساس عملی که برای جستجوی رابطه به کار میبرند نامگذاری میشوند . هسته تکنیک ها در سیستم های پیشنهاد دهنده ، یادگیری و پیش بینی مدل هایی که یادگیری رفتار کاربران و ارزیابی آنچه کاربران می خواهند در آینده مشاهده کنند، می باشد. به طور خاص، می توان آیتم های جالب از یک مجموعه بزرگ از موارد بر اساس اطلاعات بدست آمده در مورد یک کاربر فعال پیشنهاد کرد. توصیه های خوب صفحه وب می تواند استفاده از وب سایت و رضایت کاربر وب را بهبود بخشد. [21] بر اساس[22] سیستمهای پیشنهاد دهنده به مجموعههای زیر دسته بندی میشوند:
·پیشنهاد دهندههای مبتنی بر محتوا: 3 آیتمهای مشابه با آنچه که کاربر قبلا انتخاب کرده است، به کاربر پیشنهاد می دهد.[23]
·پیشنهاد دهندههای تجمعی: 4 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.
·روشهای ترکیبی: 5 این روش ترکیبی از دو روش بالاست و با استفاده از ترکیب متدها، تاحدودی مشکلات پیشنهاد دهندههای تجمعی و پیشنهاد دهندههای مبتنی بر محتوا را بر طرف می کند.
-3 کارهای گذشته
وب، یک ابزار مهم و منبع بازیابی اطلاعات است [14] که طی یک فرآیند آشفته و غیر متمرکز در حال رشد است. این روند منجر به تولید حجم وسیعی از مستندات متصل به یکدیگر کشته است که از هیچگونه سازماندهی منطقی برخوردار نیستند.[15] وب کاوی عبارت است از بکارگیری تکنیک های داده کاوی و آماری و هوش مصنوعی برای کشف و استخراج خودکار اطلاعات مفید و ساختار یافته از اسناد و سرویس های وب می باشد. وب کاوی به سه دسته اصلی؛ وب کاوی محتوایی6، وب کاوی ساختاری7 و وب کاوی کاربردی8 تقسیم میشود17]،.[16اصطلاح وب معنایی توسط آقای تیم برنرزلی - - Sir Tim Berners-Lee معروف و مشهور شد. هدف اصلی وب معنایی ساخت محتوای وب بصورت قابل درک است، که تنها توسط بشر نیست بلکه کامپیوتر ها را هم شامل میشود و به عناصر نرم افزاری اجازه جستجو و پیداد کردن محتوای مطلوب را می دهد و اطلاعات و علوم را به اشتراک میگزارد.[3]
به منظور قابل درک کردن دادههای اینترنت برای کامپیوتر، وب باید قابلیت پردازش اطلاعات را داشته باشد. بنابراین محتوا و اشیای وب باید به طور معنایی به دنیای ماشینها معرفی شود.دینش9 و همکاران 2014 - - ، در مقاله ای تحت عنوان رویکرد برای واکشی اولیه وب به منظور افزایش تعامل با کاربر از برنامه وب با استفاده از مدل مارکوف به بررسی واکشی اولیه وب به منظور افزایش تعامل با کاربر از برنامه وب و زنجیرههای مارکوف پرداختهاند. ایدهی غنی کردن ثبت های وب با استفاده از مفاهیم هستی شناسی در [Oberle 2003] بکار گرفته شده است . این چارچوب برمبنای یک وبسایت معنایی است که بر روی یک هستی شناسی موجود ساخته شده است.
این وبسایت، هم شامل صفحات ایستا و هم شامل صفحات پویا است که از هستی شناسی بصورت خودکار تولید میشوند. در این مقاله، یک چارچوب عمومی ارائه شده است که در آن دادهکاوی را میتوان بر روی این ثبت های معنایی به منظور استخراج دانش دربارهی گروههای کاربران، ترجیحات کاربران و قوانین انجام داد. در این کار بحث شده است که چگونه این چارچوب را میتوان با استفاده از تعمیم یا تخصیص هستیشناسی و نیز برای پشتیبانی شخصیسازی وب گسترش داد، با این وجود تاکید اصلی آن بر روی وبکاوی است.یکی از مطالعات وب کاوی ، در زمینهی دانش معنایی [3] است. این مقاله دو قسمت دارد. قسمت اول استخراج معنا و مفهوم از صفحات وب است. دومین قسمت بهبود وب کاوی کاربردی با استفاده از معنا و مفهوم صفحات میباشد.
در قسمت اول پروسهی ایجاد آنتولوژی به دو مرحله تقسیم میشود. در مرحلهی اول رابطههای مفهومی کشف میشوند، و رابطهی بین مفاهیم آنتولوژی تولید میشود. روابط سلسله مراتبی مفاهیم با استفاده از - Ontology Exploration - ONTEX بر روی دانش بدست آمده، میتوانند ایجاد شوند. ONTEX بر روی دانش بدست آمده با استفاده از تکنیکهایی که همهی ویژگیها را جستجو میکنند تا همهی مفاهیم و روابط بین آنها را بدست بیاورند ، روابط سلسله مراتبی را ایجاد میکند. در [3] پیشنهاد شده است که لاگ فایل وب سایتها، رفتار کاربران را به صورت ، مفاهیم و آیتمهای هستیشناسی ذخیره کند و اگر هستیشناسی وجود ندارد، هستیشناسی میتواند با استفاده از آموزش هستیشناسی که در بالا توضیح داده شد استخراج شود. سپس با استفاده از یکی از الگوریتمهای داده کاوی مانند خوشهبندی و یا قوانین انجمنی بر روی این لاگ فایل، الگوها میتوانند استخراج شوند.
