پالایش همکارانه

با توجه به حجم عظیم اطلاعات در اینترنت، کاربران برای انتخاب کالا و خدمات موردپسند خود با گزینه های زیادی مواجه هستند. سیستم های توصیه گر با توجه به اطلاعات ثبت شده از انتخاب کاربران، افرادمرتبط یا مورداعتماد آن ها و نیز کالاهای انتخاب شده، مدلی را استخراج نموده و ضمن تخمین امتیاز کالاها، آنها را جهت توصیه به کاربر، اولویت بندی می نمایند. رویکرد مبتنی بر اعتماد، از شبکه اعتماد بین افراد برای تخمین امتیاز کالا استفاده می نماید. از آنجا که سطح اعتماد در زمینه های تخصصی متفاوت است، مقوله اعتماد در وجوه مختلف مورد توجه پژوهشگران قرارگرفته است. این مقاله مدل مبتنی بر اعتماد چندوجهی برای تخمین امتیاز کالا ارائه می دهد که در آن کاربران و کالاها با توجه به میزان تعلق به هر وجه و نیز سطح اعتماد در آن وجه در نظر گرفته می شوند. تحلیل مجموعه داده های Epinions نشان می دهد پراکندگی فاصله انتخاب افراد درون یک شبکه اعتماد چندوجهی به صورت معناداری کمتر از توزیع آنها در یک شبکه عام اعتماد است. درادامه عملکرد مدل پایه و مدل مبتنی بر تشابه نیز با  دو حالت عام و چندوجهی بررسی و مقایسه شده است. ارزیابی مدل ها بر اساس میانگین توان دو خطای تخمین و با تفکیک داده های Epinions به دو گروه آموزش و آزمون و همچنین روش تصدیق متقابل انجام گرفته است. نتایج نشان می دهد با در نظر گرفتن مولفه اعتماد به صورت چندوجهی، خطای تخمین به طور متوسط 20% کاهش یافته و عملکرد سیستم توصیه گر به صورت محسوسی ارتقاء می یابد

امروزه اینترنت نقش بااهمیتی در زندگی انسان ها دارد و محتوای وب باید متناسب با نیازهای کاربران باشد تا اطلاعات به روز و مناسب با سلیقه کاربر را فراهم نماید. در این راستا، سیستم های توصیه گر به کاربران کمک کرده و اقلامی که به سیلقه کاربران نزدیک تر است، را به آن ها در کم ترین زمان ممکن توصیه می کند . امروزه، با افزایش داده، استفاده از سیستم های توصیه گر رو به افزایش است. از طرفی دیگر این سیستم ها با چالش هایی از جمله تغییر سلیقه کاربران در طی زمان، شروع سرد، خلوت بودن ماتریس کاربر-قلم، حملات افراد جعلی در سیستم و تاثیر منفی آن ها در لیست توصیه سیستم روبرو هستند. هدف این مقاله ارائه یک سیستم توصیه گر زمان و اعتماد مبنا جهت بهبود کارایی و افزایش دقت توصیه های سیستم است. سیستم پیشنهادی در ابتدا با افزودن برخی امتیاز های ضمنی قابل اعتماد به ماتریس امتیاز دهی کاربر- قلم، مشکل پراکندگی داده را حل نموده و سپس یک شبکه وزن دار کاربر-کاربر براساس زمان ارائه نظر کاربر نسبت به قلم و روابط اعتماد میان کاربران تولید می نماید که بدین ترتیب مشکل شروع سرد و تغییر سلیقه کاربر در طی زمان را رفع می کند. سیستم توصیه گر پیشنهادی بر اساس الگوریتم تشخیص جامعه جدیدی که در این مقاله ارائه شده است، نزدیک ترین کاربران همسایه و هم سلیقه با کاربر فعال را پیدا نموده و بر اساس روش پالایش همکارانه، کا-بالاترین قلم را به کاربر پیشنهاد می دهد. نتایج ارزیابی سیستم پیشنهادی برای سیستم توصیه گر مبتنی بر فیلم بر روی مجموعه داده Epinions نشان می دهد سیستم پیشنهادی نسبت به سیستم های پایه از کارایی بالاتری برخوردار است.