بهبود دقت توصیه‏ ها در سیستم پیشنهاددهنده برمبنای ارزیابی اعتماد براساس مدل منطق ذهنی
کد مقاله : 1152-ICTCK (R2)
نویسندگان:
سمانه شیبانی *، حسن شاکری
دانشگاه آزاد اسلامی مشهد
چکیده مقاله:
در رویکرد فیلترینگ مشارکتی برای ارائه توصیه‏ ها در سیستم‏های پیشنهاددهنده، براساس ارزشیابی‏های گذشته کاربر فعال و میزان شباهت آنها با بازخوردهای سایر کاربران، مناسب‏ترین اقلام به کاربر فعال پیشنهاد می‏ گردد. اما فیلترینگ مشارکتی به ویژه در مورد کاربران شروع سرد و در شرایط خلوتی داده ‏ها و نیز در حضور حملاتی مانند ارزشیابی‏های غیرواقعی، کارآمدی پایینی دارد. به همین دلیل رویکردهای مکمل مانند مدیریت اعتماد برای کاهش این چالش‏ها مورد توجه قرار گرفته است. از طرف دیگر در سال‏های اخیر محققان به این نتیجه رسیده ‏اند که مدل‏های اعتماد آگاه از اطمینان در حوزه ‏های مختلف دقت بالاتری در ارزیابی اعتماد ارائه می‏ کنند. اطمینان به معنی میزان باور به درستی تخمین اعتماد است. در این مقاله یک راهکار جدید برای افزایش دقت توصیه‏ ها در سیستم‏های پیشنهاددهنده برمبنای اعتماد آگاه از اطمینان ارائه می‏ گردد. در راهکار پیشنهادی دو نوع اعتماد صریح و ضمنی مورد محاسبه قرار می‏ گیرد و پارامتر اطمینان براساس سه معیار تعداد، سازگاری و تازگی ارزشیابی‏ها محاسبه و در قالب مدل منطق ذهنی ارائه می‏ گردد. در نهایت مناسب‏ترین اقلام براساس دو پارامتر اعتماد و اطمینان انتخاب و به کاربر فعال ارائه می‏ گردد. نتایج ارزیابی روش پیشنهادی بر روی مجموعه‏ داده ‏های شناخته شده در این حوزه نشان می دهد که دقت و پوشش راهکار پیشنهادی بهبود قابل ملاحظه‏ ای نسبت به روش‏های موجود ارائه می‏ کند.
کلیدواژگان:
سیستم پیشنهاددهنده، فیلترینگ مشارکتی، مدل منطق ذهنی، اعتماد، اطمینان
وضعیت : مقاله پذیرفته شده است