ارائه مدلی برای سیستم های توصیه گر در شبکه های مبتنی بر اعتمادword

امروزه با گسترش و رشد روز افزون اطلاعات در فضای مجازی و وجود انبوهی از کالا یا خدماتی که در وب سایتهای تجاری و خدماتی ارائه می­گردند کاربران را با این مشکل مواجه نموده است که چگونه کالا یا خدمت مورد نظر خود را به راحتی و با صرف کمترین زمان ممکن بیابند. در این میان سیستمهای توصیه­گر با هدف تسهیل و یاری رساندن به کاربران در زمینه انتخاب و یافتن کالای مورد نیاز ایشان با استفاده از علوم و روشهای مبتنی بر داده کاوی اطلاعات، ایجاد و توسعه یافته­اند. همچنین در سالهای اخیر ظهور و گسترش شبکه­های اجتماعی و شبکه­های مبتنی بر رابطه اعتماد میان کاربران، باعث گشوده شدن افق جدیدی در ارائه سیستمهای توصیه­گر و توسعه نسل جدیدی از اینگونه سیستمها گردیده است و آنرا به یکی از موضوعات جذاب و مورد توجه محققان تبدیل نموده است.

از میان روشها و مدل­های موجود در زمینه سیستمهای توصیه­گر روش پالایش گروهیبه لحاظ سادگی پیاده­سازی از محبوبیت قابل ملاحظه­ای برخوردار است اما این روش در ارائه پیشنهادات مناسب و قابل قبول به کاربران تازه وارد دارای ضعف­های جدی می­باشد. سیستمهای توصیه­گر مبتنی بر اعتماد، با بهره­گیری از رابطه اعتماد میان کاربران، در جهت رفع نقاط ضعف بیان شده و خصوصا ارائه پیشنهادات مناسب به کاربران تازه وارد گامهای موثری برداشته­اند. در این تحقیق سعی شده است تا از تلفیق و ترکیب روش­های موجود در زمینه پالایش گروهی و همچنین مدلهای مبتنی بر اعتماد و بررسی نقاط ضعف و قوت آنها مدلی نوین و توسعه یافته ارائه گردد که در آن نتایج از خطای کمتر و دقت بالاتری برخوردار بوده و با افزایش معیار پوشش بتوان به درصد بیشتری از کاربران پاسخ مناسب ارائه نمود. برای این منظور در میان انواع روشهای پالایش گروهی، روش مبتنی بر آیتم و برای پیمایش شبکه اعتماد میان کاربران نیز از روش پیمایش تصادفی بهره گرفته شده است، همچنین با تفسیر و تعدیل نظرات کاربران و اتخاذ شیوه­ای مناسب جهت محاسبه مقدار دقیق اعتماد میان کاربران و تغییر در نحوه پیمایش شبکه اعتماد میان ایشان سعی در بهبود و کاهش خطاهای نتایج گردیده است. در نهایت، جهت ارزیابی و برآورد مدل ترکیبی ارائه شده، نتایج و آمارهای حاصل از اجرای مدل پیشنهادی بر روی مجموعه داده های Epinions و Movielens و مقایسه آنها با نتایج مدل پایه TrustWalkerبه عنوان یکی از بهترین مدلهای ترکیبی ارائه شده در زمینه سیستمهای توصیه گر مبتنی بر اعتماد، ارائه می­گردد.

 واژه­های کلیدی: داده­ کاوی[1]، شبکه­ های اجتماعی[2]، شبکه­ های مبتنی بر اعتماد[3]، سیستمهای توصیه­ گر[4]،پالایش گروهی[5]، اعتماد[6]، پیمایش تصادفی[7]، ترکیب سازی[8]

 فهرست مطالب

فصل اول : مقدمه­ای بر انواع سیستم توصیه­گر.......................................1

1-1- مقدمه............2

1-2- سیستمهای توصیه­گر..........3

1-3- انواع سیستمهای توصیه­گر از لحاظ عملکردی............................................................4

1-4- مزایا و اهمیت یک سیستم توصیه­گر کارآمد...............................................................5

1-5-معایب و مشکلات کلی سیستمهای توصیه­گر..............................................................6

1-6-انواع رویکردها و مدلهای موجود در زمینه پیاده­سازی سیستمهای توصیه­گر.......7

1-7- تشریح و بیان مسئله.......................................................................................................11

1-8- اهداف تحقیق...................................................................................................................12

1-9- سوالات و فرضیه­های تحقیق........................................................................................13

1-10- مراحل تحقیق...............................................................................................................14

1-11- فصول پایان نامه...........................................................................................................15

 

فصل دوم : مروری بر ادبیات تحقیق و مبانی نظری تحقیق....................................17

2-1- مقدمه ...............................................................................................................................18

2-2- پالایش گروهی (Collaborative Filtering)....................................................19

2-2-1- پالایش گروهی مبتنی بر حافظه(Memory Based)...................................20

2-2-1-1- روش پالایش گروهی مبتنی بر آیتم...............................................................22

2-2-1-2- امتیازدهی به صورت پیش فرض.......................................................................24

2-2-1-3- تشدید حالت(Case Amplification).......................................................24

2-2-2- پالایش گروهی مبتنی بر مدل(Model Based)............................................25

2-3- پالایش محتوایی (Content Based Filtering) .............................................26

2-4- تکنیکهای ترکیبی...........................................................................................................27

2-5- سیستمهای توصیه­گر مبتنی بر رابطه اعتماد میان کاربران...................................28

2-5-1- چگونگی کارکرد سیستم توصیه­گر مبتنی بر اعتماد..........................................30

2-5-2- مزایا و معایب..............................................................................................................31

2-5-3- انتشار اعتماد و تجمیع اعتماد.................................................................................33

2-6- چالش ها و محدودیتهای موجود.................................................................................33

2-6-1- نقصان و کاستی اطلاعات.........................................................................................34

2-6-2- مشکل کاربران تازه وارد............................................................................................34

2-6-3- کلاهبرداری و تقلب...................................................................................................35

2-6-4- پیچیدگیهای محاسباتی و زمانی.............................................................................36

2-7- معیارهای ارزیابی سیستمهای توصیه­گر.....................................................................37

2-7-1- خطای جذر میانگین مربعات (RMSE).............................................................37

2-7-2- معیار درصد پوشش...................................................................................................38

2-7-3- معیار دقت...................................................................................................................39

2-7-4- معیار F-Measure.................................................................................................39

 

فصل سوم : مروری بر مطالعات و تحقیقات پیشین..................................................41

3-1- مقدمه................................................................................................................................42

3-2- مرور کارهای گذشته.......................................................................................................42

3-2-1- مدل MoleTrust...................................................................................................45

3-2-2- مدل TidalTrust...................................................................................................47

3-2-3- مدل دانه سیب...........................................................................................................48

3-2-4- مدل ارائه شده توسط Anderson.....................................................................48

3-2-5- مدل ارائه شده توسط ODonovan.................................................................49

3-2-6- مدل TrustWalker..............................................................................................50

3-2-6-1- ساختار مدل TrustWalker...........................................................................51

3-2-6-2- تشابه آیتم ها.........................................................................................................51

3-2-6-3- خصوصیات ویژه مدل TrustWalker...........................................................52

3-2-6-3-1- فراگیری و عمومیت مدل...............................................................................52

3-2-6-3-2- اطمینان به نتایج حاصل.................................................................................53

3-2-6-3-3- تفسیرپذیری و قابل توضیح بودن نتایج......................................................54

3-2-6-4- نمایش ماتریسی مدل TrustWalker..........................................................54

3-2-6-5- نتیجه گیری در خصوص مدل TrustWalker...........................................55

 

فصل چهارم : تشریح مدل ترکیبی پیشنهادی و چگونگی توسعه و بهبود مدل پایه.56

4-1- مقدمه................................................................................................................................57

4-2- تشریح مدل کلی TrustWalker.............................................................................57

4-2-1- علائم نشانه گذاری و متغیرهای مدل....................................................................57

4-2-2- روند یک پیمایش تصادفی در شبکه......................................................................58

4-2-3- انتخاب تصادفی یک کاربر ......................................................................................59

4-2-4- انتخاب یک آیتم مشابه.............................................................................................59

4-2-5- تشابه آیتم ها...............................................................................................................60

4-2-6- محاسبه احتمال ماندن در یک گره شبکه اعتماد ().............................61

4-2-7- چگونگی انجام پیش­بینی امتیاز..............................................................................62

4-2-8- چگونگی محاسبه احتمال .................................................63

4-2-9- چگونگی محاسبه عملی ..................................................................................64

4-2-10- شرط اتمام کلی مدل..............................................................................................64

4-3- بهبود و توسعه مدل TrustWalker........................................................................65

4-3-1- استفاده از فرمول jaccard جهت محاسبه تشابه آیتمها..................................66

4-3-2- حذف میانگین از فرمول پیرسون............................................................................67

4-3-3- استفاده از تکنیک مبتنی بر آیتم خالص...............................................................67

4-3-4- تعدیل و تفسیر نظرات کاربران................................................................................68

4-3-5- محاسبه دقیق مقدار اعتماد یا امتیاز رابطه میان دو کاربر................................71

4-3-6- محاسبه ترکیبی امتیاز رابطه میان کاربران..........................................................73

 

فصل پنجم : تشریح روند انجام آزمایشات و نتایج حاصل....................................76

5-1- مقدمه................................................................................................................................77

5-2- معرفی مجموعه داده epinions................................................................................77

5-2-1- ویژگیهای مجموعه داده epinions.....................................................................79

5-2-2- آماده سازی و نحوه پالایش داده­ها.........................................................................81

5-2-3- ایجاد مجموعه داده نمونه.........................................................................................83

5-3- مجموعه داده movielens.........................................................................................84

5-3-1- ویژگیهای مجموعه داده movielens.................................................................84

5-4- نیازمندیهای نرم افزاری.................................................................................................85

5-5- نیازمندیهای سخت افزاری............................................................................................85

5-6- متدولوژی نرم افزاری......................................................................................................86

5-7- پارامترهای پیش فرض انجام آزمایشات......................................................................86

5-8- نتایج اجرای آزمایشات با مجموعه داده epinions و movielens.................87

5-8-1- بررسی تاثیر عمق پیمایش بر روی نتایج حاصل در خصوص کاربران تازه وارد.................................................................................................................................................87

5-8-2- بررسی تاثیر تاریخ اعلام نظرات توسط کاربران...................................................88

5-8-3- بررسی تاثیر تغییر فرمول محاسبه تشابه آیتمها.................................................89

5-8-4- بررسی تاثیر بکارگیری مکانیزم تفسیر و تعدیل نظرات کاربران......................90

5-8-5- بررسی تاثیر بکارگیری انواع روشهای ترکیبی برای انتخاب کاربران و پیمایش شبکه..............................................................................................................................................93

5-8-5-1- نحوه محاسبه امتیاز رابطه موجود میان کاربران............................................93

5-8-5-2- بررسی تاثیر بکارگیری روشهای ترکیبی در عملکرد سیستم برای تمامی کاربران...........................................................................................................................................94

5-8-5-3- بررسی تاثیر بکارگیری روشهای ترکیبی در عملکرد سیستم برای کاربران تازه وارد .......................................................................................................................................99

5-8-6- بررسی تاثیر بکارگیری توام مکانیزم تفسیر امتیازات کاربران به همراه استفاده از روشهای ترکیبی انتخاب کاربران و پیمایش شبکه اعتماد..........................................101

5-9- انجام آزمایشات با مجموعه داده movielens.....................................................107

5-9-1- نتایج حاصل از اجرای روشهای ترکیبی مورد استفاده در مدل توسعه یافته............................................................................................................................................107

 

فصل ششم : نتیجه گیری نهایی و کارهای آینده....................................................110

6-1- مقدمه..............................................................................................................................111

6-2- عملکرد مدل توسعه یافته...........................................................................................112

6-2-1- عملکرد مدل توسعه یافته در خصوص تمامی کاربران....................................112

6-2-2- عملکرد مدل توسعه یافته در خصوص کاربران تازه وارد................................114

6-3- نتیجه گیری نهایی ......................................................................................................115

6-3-1- تحلیل نهایی نتایج حاصل از انجام آزمایشات بر روی مجموعه داده epinions................................................................................................................................116

6-3-2- تحلیل نهایی نتایج حاصل از انجام آزمایشات بر روی مجموعه داده movielens............................................................................................................................118

6-4- پیشنهادات کارهای آینده...........................................................................................118

 

اختصارات.................................................................................................................120

فهرست منابع...........................................................................................................121

فهرست جداول

 

عنوان..................................................................................................................................صفحه

 

جدول 3-1 : دسته­بندی مدلهای اعتماد........................­.......................................................................44

جدول 4-1 : ماتریس پراکندگی نحوه امتیازدهی دو کاربر و ..........................................­70

جدول 4-2 : تفسیر نظرات کاربر ..................................................................................................70

جدول 5-1 : ساختار جدول reviews.................................................................................­...............81

جدول 5-2 : ساختار جدول WOT..........................................................................................­............82

جدول 5-3 : ساختار جدول cold_start_users.......................­...................................................82

جدول 5-4 : ساختار جدول ratings­...................................................................................................83

جدول 5-5 : مقادیر پیش فرض پارامترها و متغیرهای مورد استفاده در مدل پیشنهادی­.........86

جدول 5-6 : نتایج بررسی تاثیر عمق پیمایش در خصوص کاربران تازه وارد­...............................88

جدول 5-7 : نتایج حاصل از بررسی تاثیر تاریخ اعلام نظرات کاربران­............................................89

جدول 5-8 : نتایج حاصل از تغییر فرمول محاسبه تشابه آیتمها­....................................................90

جدول 5-9 : نتایج حاصل از بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران­.........................91

جدول 5-10 : نتایج حاصل از بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران در خصوص کاربران تازه وارد­..........................................................................................................................................91

جدول 5-11 : نتایج حاصل از اجرای روشهای ترکیبی در مقابل روش مورد استفاده در مدل پایه­.................................................................................................................................................................96

جدول 5-12 : نتایج حاصل از اجرای روشهای ترکیبی در مقابل روش مورد استفاده در مدل پایه برای کاربران تازه وارد­........................................................................................................................99

جدول 5-13 : نتایج حاصل از اجرای توام مکانیزم تعدیل و تفسیر نظر کاربران و استفاده از روشهای ترکیبی پیمایش شبکه در مقابل روش مورد استفاده در مدل پایه­..............................102

جدول 5-14 : نتایج حاصل از اجرای توام مکانیزم تعدیل و تفسیر نظر کاربران و استفاده از روشهای ترکیبی پیمایش شبکه در مقابل روش مورد استفاده در مدل پایه برای کاربران تازه وارد­..............................................................................................................................................................104

جدول 5-15 : نتایج حاصل از اجرای روشهای ترکیبی انتخاب کاربران و پیمایش شبکه......107

جدول 5-16 : نتایج حاصل از اجرا و بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران بر روی روشهای ترکیبی انتخاب کاربران و پیمایش شبکه...........................................................................108

جدول 6-1 : نتایج حاصل از مقایسه معیارهای ارزیابی مدل توسعه یافته در مقابل مدل پایه .....................................................................................................................................................................113

جدول 6-2 : نتایج حاصل از مقایسه معیارهای ارزیابی مدل توسعه یافته در مقابل مدل پایه در خصوص کاربران تازه وارد.......................................................................................................................114

 فهرست اشکال و نمودارها

 شکل 2-1 : چگونگی کارکرد روش پالایش گروهی (Collaborative Filtering)...............20

شکل 2-2 : نمایش یک شبکه اعتماد به همراه امتیازات بیان شده توسط کاربران در خصوص آیتمهای مختلف..........................................................................................................................................31

شکل 3-1 : معماری مدل MoleTrust ارائه شده توسط Massa..............................................46

شکل 5-1 : بنر صفحه اصلی سایت epinions.................................................................................78

نمودار 5-1 : مقایسه نتایج خطای RMSE و درصد پوشش مدل پایه و مدل توسعه یافته در خصوص کاربران تازه وارد و تمامی کاربران با بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران ........................................................................................................................................................................92

نمودار 5-2 : مقایسه نتایج معیارF-measure مدل پایه و مدل توسعه یافته در خصوص کاربران تازه وارد و تمامی کاربران با بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران............93

نمودار 5-3 : مقایسه نتایج معیاردرصد پوششحاصل از اجرای روشهای ترکیبی در مقابل روش مورد استفاده در مدل پایه........................................................................................................................97

نمودار 5-4 : مقایسه نتایج خطای RMSEحاصل از اجرای روشهای ترکیبی در مقابل روش مورد استفاده در مدل پایه........................................................................................................................98

نمودار 5-5 : مقایسه نتایج معیار F-measureحاصل از اجرای روشهای ترکیبی در مقابل روش مورد استفاده در مدل پایه.............................................................................................................98

نمودار 5-6 : مقایسه نتایج معیار درصد پوشش حاصل از اجرای روشهای ترکیبی در مقابل روش مورد استفاده در مدل پایه برای کاربران تازه وارد.................................................................100

نمودار 5-7 : مقایسه نتایج خطای RMSEحاصل از اجرای روشهای ترکیبی در مقابل روش مورد استفاده در مدل پایه برای کاربران تازه وارد............................................................................100

نمودار 5-8 : مقایسه نتایج معیار F-measureحاصل از اجرای روشهای ترکیبی در مقابل روش مورد استفاده در مدل پایه برای کاربران تازه وارد.................................................................101

نمودار 5-9 : مقایسه نتایج معیار درصد پوشش حاصل از اجرای توام مکانیزم تعدیل و تفسیر نظر کاربران و استفاده از روشهای ترکیبی پیمایش شبکه در مقابل روش مورد استفاده در مدل پایه..............................................................................................................................................................103

نمودار 5-10 : مقایسه نتایج خطای RMSEحاصل از اجرای توام مکانیزم تعدیل و تفسیر نظر کاربران و استفاده از روشهای ترکیبی پیمایش شبکه در مقابل روش مورد استفاده در مدل پایه .....................................................................................................................................................................103

نمودار 5-11 : مقایسه نتایج معیار F-measure حاصل از اجرای توام مکانیزم تعدیل و تفسیر نظر کاربران و استفاده از روشهای ترکیبی پیمایش شبکه در مقابل روش مورد استفاده در مدل پایه..............................................................................................................................................................104

نمودار 5-12 : مقایسه نتایج معیار درصد پوشش حاصل از اجرای توام مکانیزم تعدیل و تفسیر نظر کاربران و استفاده از روشهای ترکیبی پیمایش شبکه در مقابل روش مورد استفاده در مدل پایه برای کاربران تازه وارد.....................................................................................................................105

نمودار 5-13 : مقایسه نتایج خطای RMSEحاصل از اجرای توام مکانیزم تعدیل و تفسیر نظر کاربران و استفاده از روشهای ترکیبی پیمایش شبکه در مقابل روش مورد استفاده در مدل پایه برای کاربران تازه وارد.............................................................................................................................106

نمودار 5-14 : مقایسه نتایج معیار F-measureحاصل از اجرای توام مکانیزم تعدیل و تفسیر نظر کاربران و استفاده از روشهای ترکیبی پیمایش شبکه در مقابل روش مورد استفاده در مدل پایه برای کاربران تازه وارد.....................................................................................................................106

نمودار 5-15 : مقایسه نتایج خطای RMSEحاصل از اجرا و بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران بر روی روشهای ترکیبی انتخاب کاربران و پیمایش شبکه....................109

نمودار 6-1 : مقایسه عملکرد کلی مدل توسعه یافته در مقابل مدل پایه از نظر تمام معیارهای ارزیابی........................................................................................................................................................113

نمودار 6-2 : مقایسه عملکرد کلی مدل توسعه یافته در مقابل مدل پایه برای کاربران تازه وارد از نظر تمام معیارهای ارزیابی................................................................................................................115

فصل اول

 مقدمه ای بر انواع سیستمهای توصیه­گر

  1- مقدمه­ای بر انواع سیستمهای توصیه­گر

 1-1- مقدمه

 گسترش سریع و روز افزون اطلاعات ارائه شده بر روی شبکه جهانی اینترنت، کاربران را با مشکلات عدیده و قابل تاملی در خصوص انتخاب منابع و اطلاعات مورد نیاز ایشان مواجه نموده است و چه بسا که بدون راهنمایی و هدایت صحیح، کاربران در اخذ تصمیمات صحیح یا انتخاب کالا و خدمات مورد نیازشان دچار اشتباه شده که این امر تبعات عدیده­ای از جمله نارضایتی، سلب اطمینان کاربران و مشتریان سایتهای موجود بر روی اینترنت را به همراه خواهد داشت. از اینرو وجود ابزار و سیستمهایی برای کمک به کاربران در انتخاب اطلاعات مناسب و مورد نیاز ایشان کاملا ضروری به نظر می­رسد. در سالهای اخیر برای برآورده سازی این نیازها سیستمهای توصیه­گرمطرح و توسعه یافته­اند و الگوریتمها ، مقالات و متون علمی بسیار متنوع و مختلفی در این زمینه مطرح گردیده است .

در این میان، ایجاد و گسترش شبکه­های اجتماعی، شبکه­های اعتماد و وجود انواع روابط میان کاربران این شبکه­ها افق جدیدی را برروی محققان و توسعه دهندگان سیستمهای توصیه­گر گشوده است تا با بهره­گیری از علوم اجتماعی و علوم روان شناختی حاکم در این شبکه­ها و خصوصا وجود رابطه اعتماد میان کاربران بتوانند نسل جدیدی از سیستمهای توصیه­گر را تحت عنوان "سیستمهای توصیه­گر مبتنی بر اعتماد[9]"معرفی و عرضه نمایند. این سیستمها قادر هستند تا به درصد بیشتری از کاربران پاسخ مناسب را ارائه دهند و همچنین نتایج آنها از دقت بالاتری برخوردار می­باشد.

با توجه به کثرت کاربران و افراد عضو شبکه­های مبتنی بر اعتماد و شبکه­های اجتماعی، همچنین تنوع رفتار و ویژگی­های ایشان، تنها یک شیوه یا یک مدل قادر به پاسخگویی و ارائه پیشنهادات دقیق و قابل قبول نمی­باشد که این امر باعث ظهور سیستمهای توصیه­گر ترکیبی[10]گردیده است. در این سیستمها سعی شده است تا با ترکیب انواع مختلفی از سیستمهای توصیه­گر بتوان سیستمی تولید نمود که دارای مزایای حداکثری و معایب حداقلی باشد.

در این پایان­نامه سعی شده است تا با تغییر، اصلاح، تلفیق و ترکیب تعدادی از روشها و الگوریتم­های مطرح و قابل قبول در سطح جهانی، مدلی ارائه گردد که نسبت به مدل­های پیشین دارای دقت و درصد پوشش بالاتری باشد و همچنین بتواند نقایص مدلهای پیشین خصوصا در رابطه با ارائه پیشنهاد به کاربران تازه وارد[11] را تا حد قابل قبولی مرتفع نماید.

 1-2- سیستمهای توصیه­گر

 تعاریف متفاوتی برای سیستم‌های توصیه‌گر ارائه شده‌است. عده­ای از محققان سیستمهای توصیه­گر را زیرمجموعه‌ای از سیستمهای تصمیم­یار[12] می‌دانند و آنها را سیستم‌های اطلاعاتی[13] تعریف می‌کنند که توانایی تحلیل رفتارهای گذشته و ارائه توصیه‌هایی برای مسائل جاری را دارا می­باشند[1]. به زبان ساده‌تر در سیستم‌های توصیه‌گر تلاش بر این است تا با حدس زدن شیوه تفکر کاربر به کمک اطلاعاتی که از نحوه رفتار وی یا کاربران مشابه و نظرات آنها داریم مناسب‌ترین و نزدیک‌ترین کالا یا خدمت به سلیقه او را شناسایی و پیشنهاد کنیم. این سیستم‌ها در حقیقت سعی دارند فرایندی را که ما در زندگی روزمره خود بکار می‌بریم و طی آن تلاش می‌کنیم تا افرادی با سلایق نزدیک به خود را پیدا کرده و از آنها در مورد انتخاب‌هایمان نظر بخواهیم را شبیه سازی نمایند.

به صورت کلی­تر سیستمهای توصیه­گر زیر مجموعه­ای از سیستمهای پالایش اطلاعات[14]هستند که وظیفه آنها جستجو برای بیان پیش­بینی امتیاز(درجه)[15] یا بیان سلایق و ترجیحات[16] یک کاربر در خصوص یک موضوع[17] ( مانند موسیقی، کتاب یا فیلم) یا یک عنصر اجتماعی مانند افراد و گروهها می­باشد[2]–[4].

  1-3- انواع سیستمهای توصیه­گر از لحاظ عملکردی

 سیستمهای توصیه­گر به لحاظ نحوه ارائه نتایج و پیشنهادات به کاربران خود، به شیوه های متفاوتی عمل می نمایند که در ذیل به پاره­ای از آنها به صورت فهرست وار اشاره می­گردد:

• پیشنهاد لیستی متشکل از n کالا یا محصول برتر (معمولا n برابر 10 است )
• پیشنهادات فصلی و موردی مانند پیشنهاد یک هتل دارای تخفیف جهت تعطیلات
• بیان درصد علاقه­مندی سایر کاربران به یک محصول خاص، به عنوان مثال: "80 درصد کاربران از خرید این محصول راضی بوده اند "
• پیش بینی میزان امتیازی که یک کاربر به یک محصول خاص خواهد داد

در این تحقیق سعی در ایجاد مدلی است که بتواند نظرو امتیازتخصیص داده شده توسط یک کاربر خاص به یک محصول یا آیتم خاص را پیش­بینی نماید.

 1-4- مزایا و اهمیت یک سیستم توصیه­گر کارآمد

 طبق آمار رسمی ارائه شده توسط سایت فروش کتاب Amazon[18] ، 35 درصد از فروش این سایت به واسطه وجود سیستم توصیه­گر و ارائه پیشنهادات مناسب به علاقه­مندان کتاب می باشد[5]همچنین سایت اجاره فیلم Netflix برای بهبود 10 درصدی دقت سیستم توصیه­گر خود موسوم به Cinematch[19]جایزه ای بالغ بر یک میلیون دلار برای محققان در نظر گرفته است. هر دو مثال فوق نشان دهنده اهمیت سیستمهای توصیه­گر و نقش آنها در تجارت می­باشد. در ذیل تعدادی از دلایل اهمیت وجود یک سیستم توصیه­گر مناسب و کارآمد در یک سایت تجارت الکترونیک برشمرده می­گردد:

• راهنمایی کاربران و بازدید کنندگان در انتخاب کالا ، محصول یا خدمت مناسب
• تسریع در زمان انتخاب کالای مورد نظر مشتری مانند انتخاب یک فیلم مناسب در میان میلیونها فیلم موجود در سایت
• جمع­آوری اطلاعات ارزشمند در خصوص سلایقو رفتار کاربران جهت برنامه­ریزی­های آتی
• جذب مشتریان و بازدید کنندگانی که برای اولین بار است از سایت بازدید می­کنند
• افزایش میزان رضایتمندی کاربران و طبیعتا افزایش سود سرمایه گذاران تجاری
• ایجاد احساس اطمینان در مشتری با ارائه آمار نظرات سایر کاربران
• بهبود معیارهای سنجش رتبه و درجه پورتال یا سایت
• توجه به جنبه­های روان­شناختی کاربران
• افزایش آگاهی کاربر در زمینه مورد علاقه وی

 1-5- معایب و مشکلات کلی سیستمهای توصیه­گر

 در مقابل مزایای بیان شده، این سیستمها دارای نواقص و محدودیتهایی نیز می باشند که در ذیل به پاره ای از آنها اشاره می­شود:

• عدم امکان بررسی همه جانبه مشخصات کاربران و عدم ارائه یک جواب کاملا منطبق و سازگار با نظر ایشان
• عدم اطمینان مشتریان به نظرات و پیشنهادات ارائه شده توسط سیستم
• عدم وجود دقت مطلوب در پیشنهادات ارائه شده توسط سیستم
• عدم پاسخگویی در برخی شرایط خاص، خصوصا در مورد کاربران تازه وارد یا مشتریان جدید (در فصل آینده در خصوص این مورد توضیحات کامل­تری ارائه می­گردد)

مشکلات فنی و موانع عدیده­ای نیز در خصوص پیاده­سازی و ارائه الگوریتم برای سیستمهای توصیه­گر وجود دارد که پاره­ای از آنها عبارتند از:

• پیاده­سازی این سیستمها به دلیل وجود فاکتورهای بسیار متعدد و تاثیرگذار بر روی روند تصمیم­گیری مکانیزه، بسیار پیچیده می­باشد.
• وجود امکان نفوذ متجاوزان و کلاهبرداران به اینگونه سیستمها و ایجاد داده­های غیر­صحیح در سیستم، که ممکن است نتیجه خروجی سیستم را به نحوی تغییر یا منحرف نمایند.
• پیچیدگی زمانی الگوریتمهای موجود و سرعت پاسخگوییکند این سیستمها خصوصا در ارائه پیشنهادات برخط[20]
• پیچیدگی پیاده­سازی الگوریتمهای موجود در این زمینه به لحاظ برنامه­نویسی و مباحث نرم­افزاری
• وجود مشکلات عدیده در خصوص مدیریت داده­های بسیار سنگین و گاها به صورت توزیع­شده[21]
• پیچیدگی­های ناشی از وجود یک شبکه گرافی بسیار حجیم و درهم با تعداد گره­های بسیار زیاد خصوصا در مورد شبکه­های اجتماعی
• عدم وجود امکانات زمانی و سخت­افزاری در زمینه بررسی کل شبکه­های مبتنی بر اعتماد برای یافتن بهترین جواب و با بالاترین دقت ممکن(به عنوان مثال اجرای برخی از الگوریتمها ممکن است چندین روز به طول بیانجامد)

 1-6- انواع رویکردها و مدلهای موجود در زمینه پیاده­سازی سیستمهای توصیه­گر

 در سالهای اخیر شیوه­ها، رویکردها، الگوریتم­ها و مدلهای متنوع و گوناگونی در زمینه توسعه انواع سیستمهای توصیه گر مطرح گردیده است که از ابعاد مختلف و با نگاه­های متفاوتی به مسئله ارائه پاسخ و پیشنهاد مناسب به کاربران پرداخته­اند که در این میان، پاره­ای از مهمترین و معروفترین روشهای موجود به اختصار معرفی می­گردند.

یکی از متداول­ترین شیوه های مطرح"پالایش گروهی"می­باشد[6]. این شیوه با جمع­آوری و آنالیز داده­های موجود در مورد رفتار گذشته کاربران، فعالیتهای ایشان، سلایق آنها و امتیازاتی که به آیتم­های مختلف توسط ایشان داده شده است و همچنین بر اساس تشابه کاربران یا موضوعات با یکدیگر، مدلی ایجاد می­نماید و سپس از آن مدل برای پیش­بینی آیتم­های مورد علاقه کاربر یا پیش­بینی امتیاز­دهی یک کاربر به یک آیتم خاص استفاده می­نماید[7]. یکی دیگر از شیوه­های موجود در این زمینه "پالایش محتوایی[22]" می­باشد که در این شیوه، مجموعه­ای از خصوصیات یک آیتم، برای پیشنهاد آیتم­های جدید با خصوصیات مشابه با آن مورد استفاده قرار می­گیرد[8]. از هر دو روش فوق نسخه­هایی نیز به صورت تجاری پیاده­سازی شده است که به عنوان مثال سیستم توصیه­گر موسیقی بکار رفته در سایت Last.fm[23] بر اساس شیوه پالایش محتوایی پیاده­سازی شده است در حالیکه در سایت [24]PandoraRadio از شیوه پالایش گروهی استفاده شده است.

یکی دیگر از شیوه­های موجود درخصوص تولید سیستمهای توصیه­گر، ترکیب هر دو رویکرد فوق تحت عنوان "سیستمهای توصیه­گر ترکیبی" می­باشد[4]. مطالعات اخیر نشان داده است که در برخی موارد استفاده از ترکیب هر دو شیوه می­تواند نتایج موثرتری را ایجاد نماید. این ترکیب می­تواند در اشکال و انواع مختلفی صورت گیرد که هر کدام نتایج خاصی را تولید می­نمایند[9]. تحقیقات نشان داده است که ترکیب این دو شیوه می تواند برخی از مشکلات هر کدام از روشها را برطرف نموده و نتایج با دقت بالاتری ایجاد نماید، به عنوان مثال، سیستم توصیه­گر ایجاد شده در سایتNetflix[25]از یک سیستم ترکیبی بهره می­برد که در آن عادات مشاهده فیلم، توسط کاربران مشابه (شیوه پالایش گروهی)، در کنار ارائه فیلم­هایی که به لحاظ مشخصات، مشابه فیلم­هایی هستند که توسط کاربر امتیاز بالاتری اخذ نموده­اند (شیوه پالایش محتوایی) در نظر گرفته شده است.

با ظهور شبکه­های اجتماعی و شبکه­های مبتنی بر اعتماد، رویکردها و ایده­های جدیدی در خصوص ایجاد و بهبود سیستمهای توصیه­گر، با توجه به ارتباطات میان کاربران و به صورت خاص، وجود رابطه اعتماد میان آنها مطرح گردیدکه منجر به تولید سیستمهای توصیه گر مبتنی بر اعتماد شده است[10].

دریافت فایل

---

جهت کپی مطلب از ctrl+A استفاده نمایید نماید