روشی نوین برای ارتقای دقت سیستم‌های توصیه‌گرِ آگاه از اعتماد
Paper ID : 1101-ICTCK (R2)
Authors:
1ایمان نعیمی *, 2حسن شاکری
1دانشجو
2دانشگاه آزاد اسلامی مشهد
Abstract:
در سال‌های اخیر، روش‌های مبتنی بر پالایش گروهی (CF) برای سیستم‌های توصیه گر به صورتی گسترده مورد پذیرش قرار گرفته‌اند. یکی از این روش‌ها، مبتنی بر کاربر بوده که توصیه‌های کارآمدی را بر مبنای شباهت و از طریق رتبه‌بندی کاربران با نظراتی مشابه، ایجاد می‌کند. اما این سیستم‌ها دارای چند نقص ذاتی همانند مشکلات مربوط به پراکندگی داده‌ها و شروع سرد می‌باشند. با توسعه شبکه‌های اجتماعی، مقیاس اعتماد به عنوان رویکردی جدید برای غلبه بر مشکلات پالایش گروهی ارائه شده است. سیستم‌های توصیه گر آگاه از نظر اعتماد، روش‌هایی برای استفاده از گزارش‌های اعتماد و داده‌های شخصی کاربر در شبکه‌های اجتماعی برای ارتقای دقتِ پیش‌بینی رتبه‌بندی برای کاربران با شروع سرد می‌باشند. همچنین، سیستم‌های توصیه گر مبتنی بر خوشه‌بندی ، نوعی دیگر از سیستم‌ها برای به‌کارگیری کارآمد و قابل مقیاس بندی برای مجموعه داده‌های بزرگ می‌باشند، اما این سیستم‌ها نیز از دقت و پوشش نسبتاً پایین رنج می‌برند. بر این اساس در این مقاله برای مد نظر قرار دادن این مشکلات، ما یک خوشه‌بندی چند منظری را بر مبنای فاصله اقلیدسی برای ترکیب هر دو مورد دیدگاه مربوط به شباهت و روابط اعتماد ارائه نموده که دربردارنده اعتمادهای صریح و ضمنی می‌باشد. نتایج آزمایش نشان می‌دهند که رویکرد ما می‌تواند به صورتی کارآمد دقت و به صورتی ویژه، پوشش توصیه‌ها را ارتقا داده و مشکل شروع سرد را کاهش دهد.
Keywords:
واژگان کلیدی: شروع سرد؛ پوشش؛ سیستم توصیه گرِ آگاه از اعتماد؛ خوشه‌بندی
Status : Paper Accepted