زمینه آگاه

سیستم های پیشنهاد دهنده بر اساس علایق و نیازمندی های مشتری، کالاها و خدمات متناسب را به او پیشنهاد می دهند. استفاده از این سیستم ها زمان جست وجوی مشتری را کاهش داده و کیفیت انتخاب وی را بالا می برد. از طرفی، استفاده از اطلاعات زمینه آگاه در سیستم پیشنهاددهنده، مانند زمان و مکان خرید و عادات رفتاری کاربر به ارتقاء کیفیت و افزایش رضایتمندی مشتری کمک می کند. مشتری های مختلف علایق و نیازهای متفاوتی دارند. به همین دلیل، فاکتورهای مؤثر بر خرید در آن ها متفاوت است. کشف نیازهای مشتری بدون پرسش مستقیم از او و به وسیله پردازش اطلاعات زمینه ای، به افزایش کیفیت سیستم پیشنهاددهنده منجر می شود. در این مقاله، یک سیستم پیشنهاددهنده زمینه آگاه برای انتخاب گوشی تلفن همراه در گوشی های مجهز به سیستم عامل اندروید طراحی و پیاده سازی شده است. این سیستم با استفاده از حسگرهای گوشی تلفن همراه کاربر اطلاعات زمینه ای او را استخراج می کند. سپس، با استفاده از اطلاعات زمینه ایِ به دست آمده شاخص های غیرمؤثر بر خرید گوشی جدید را حذف می کند. در نهایت، درخت سلسله مراتبی شاخص ها را ایجاد کرده و با استفاده از اطلاعات کاربر و ماتریس مقایسات زوجی به وزن دهی شاخص های مؤثر می پردازد. در نهایت، گوشی مناسب فرد به او پیشنهاد داده می شود. این سیستم با ترکیب روش غیرجبرانی حذفی و روش جبرانی فرایند تحلیل سلسله مراتبی به انتخاب و پیشنهاد گوشی مناسب فرد می پردازد. در نهایت، سیستم پیشنهاددهنده زمینه آگاه در اختیار مشتریان گوشی تلفن همراه قرار گرفته و دو فاکتور رضایت از نتایج پیشنهادات و رضایت از رابط کاربری مورد ارزیابی قرار گرفته است. همچنین، یک پیشنهاددهنده سنتی و غیرزمینه آگاه نیز در اختیار آن ها قرار می گیرد تا این دو فاکتور در دو سیستم با هم مقایسه شود. در نهایت، نشان داده می شود که استفاده از اطلاعات زمینه ای، کیفیت پیشنهادات و رضایت مشتری را افزایش داده است. همچنین، به دلیل کاهش تعداد فاکتورهای مؤثر بر خرید و در نتیجه، کاهش تعداد مقایسات زوجی، رضایت مشتری از رابط کاربری را نیز اندکی افزایش داده است.

حدود ۸۰% از حمل ونقل جهانی در بستر دریا انجام می شود؛ بنابراین، به منظور حفظ ایمنی عبورومرور کشتی ها، پیش بینی دقیق حرکت آنها اهمیت ویژه ای دارد. ازآن جاکه پارامترهای زمینه ای گوناگونی در حرکت کشتی ها تأثیر می گذارد، یکی از چالش های اصلی در حوزه محاسبات زمینه آگاه حرکت کشتی ها شناسایی پارامترهای زمینه ای بهینه مؤثر در حرکت کشتی است که ضرورت تحقیق حاضر را می رساند. در این راستا، با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت و انتخاب پارامتر به شیوه پوشانه (Wrapper)، اقدام به شناسایی پارامترهای زمینه ای بهینه برای پیش بینی حرکت کشتی شد. به این منظور، داده های سیستم شناسایی خودکار کشتی ها، جمع آوری شده در دسامبر سال ۲۰۱۷ از ساحل شرقی آمریکا، به کار رفت. تمامی ترکیبات ممکن از سه پارامتر زمینه ای سرعت، جهت و احتمال حضور کشتی در هر نقطه از دریا، با روش پوشانه، در مدل پیش بینی یادشده ارزیابی شد. در ارزیابی ها، ۷۰% از داده ها برای آموزش و مابقی برای اعتبارسنجی متقابل به کار رفت. طبق نتایج، پارامترهای سرعت و احتمال حضور به منزله پارامترهای زمینه ای بهینه شناسایی شد؛ به صورتی که دقت مدل با ورودی های بهینه 26.98% بهتر از مدلی است که در تمام پارامترهای زمینه ای در دسترس به منزله ورودی به کار رفته و نیز 16.14% بهتر از مدل بدون زمینه است؛ بنابراین، شناسایی پارامترهای زمینه ای بهینه از میان پارامترهای در دسترس و استفاده از آنها می تواند به بهبود دقت کمک کند