چکیده:
سیستمهای پیشنهاد دهنده ابزارها و تکنیکهایی هستند که در فرآیند تصمیمگیری به پیشبینی علایق کاربران، توصیه قلم دادههای متناسب و نزدیک به سلائق کاربر نیز میپردازد. با افزایش رو به رشد حجم دادهها، اهمیت وجود سیستمهای پیشنهاد دهنده، که قادر به پالایش دادهها و ارائه توصیه هستند، به شدّت احساس میشود. سیستمهای پیشنهاد دهنده فیلترمشارکتی توانستهاند نسبت به سایر مدلهای موجود از نتایج بهتری بهرهمند شوند. در این سیستمها علاوه بر یافتن تشابهات موجود بین کاربران و یا قلم دادهها میتوان از احساسات، عوامل فیزیکی و محیطی، امنیتی، رخدادها و تمام مواردی که میتوانند به نحوی تاثیرگذار باشند بهره برد. در این مقاله، مروری بر تحولات سیستمهای پیشنهاد دهنده در سالهای اخیر ارائه میشود. در این راستا ابتدا به دستهبندی انواع روشهای موجود و مشکلات این سیستمها و سپس به بیان مقالات اخیر آن بهخصوص سیستمهای پیشنهاد دهندهی مبتنی بر فیلتر مشارکتی میپردازیم. هدف و سوال اصلی که میتوان مطرح کرد این است که آیا سیستمهای پیشنهاد دهنده در طی این سالها توانستهاند تا جایگاه مناسب خود را بیابند و اعتماد لازم را در بین جوامع و حوزههای مختلف جلب نمایند؟
خلاصه ماشینی:
فرآیند توصیه در این روش براساس شباهت بین نیاز سرویسگیرنده و شرح اقلام و یا استفاده از محدودیتهای تعیین نیازهای کاربر نیز میباشد[3].
در شکل (1) انواع سیستمهای پیشنهاد دهنده نشان داده شده است که بر اساس مطالعات صورت گرفته مورد دستهبندی قرار گرفته است و معیار این دستهبندی کاربردها نیز میباشد.
سیستمهای پیشنهاد دهنده مشارکتی نسبت به سایر روشها دارای محبوبیت خاصی در بین محققین میباشد اما در برخی مواقع روش فیلترمشارکتی ضعیف میشود از جمله زمانی که رتبهبندی کاربران در اقلام بسیار پراکنده باشد و مشکل پراکندگی دادهها در میان باشد.
Bok و همکارانش [47] به همین دلیل برای توصیه گروهی از مشخصههای کاربران، روش فیلتر مشارکتی در سراسر شبکههای اجتماعی، جمعآوری اطلاعات اخیر فعالیتهای کاربران نیز استفاده میکنند.
Ignatov و همکارانش [51] با هدف بهبود مشکلاتی مانند شروع سرد، گوسفند خاکستری، امتیازدهی و بازخورد و با توجه به این مساله که باید برچسبزنی براساس شباهت بر روی موسیقیها صورت گیرد ایدهی استفاده از سیستمهای ترکیبی مانند فیوژن برای توصیه موسیقی را مطرح کردند.
و معیار t-value هم که برای کیفیت خوشهبندی است طبق رابطه زیر محاسبه میشود: 5- نتیجهگیری سیستمهای پیشنهاد دهنده، سیستمهای هوشمندی هستند که در فضای اینترنت با شناسایی علایق و اولویتهای کاربر، اطلاعات موجود را پالایش کرده و پیشنهادهای مناسب و مرتبط را به تکتک کاربران ارائه میکنند.
C. , "An evolutionary approach for combining results of recommender systems techniques based on collaborative filtering", Expert Systems With Applications, Elsevier, 2016.