15341

15341

ارائه‌يك مدل سيستم توصيه‌گر آگاه به زمينه با استفاده از استنتاج مبتني بر مورد و پالايش مشاركتي با مطالعه موردي محصولات صوتي فاخر

كارشناسي ارشد

صنايع - فناوري اطلاعات گرايش تجارت الكترونيك

بهمن 1394

بهمن 1394

دكتر محمد فتحيان

دكتر بهروز مينايي

چكيده سيستم‌هاي توصيه‌گر يكي از فن‌آوري هاي اصلي براي اجراي خدمات شخصي هستند. با توسعه سريع فن‌آوري‌هاي اينترنت سيستم‌هاي توصيه‌گر شخصي‌سازي‌شده اهميت روز افزوني به دست آورده‌اند. آگاه به زمينه نيز به‌عنوان يكي از فن‌آوري‌هاي ضروري خدمات نرم‌افزاري در محيط فراگير تبديل شده است؛ بنابراين سيستم‌هاي توصيه‌گر شخصي‌سازي‌شده در محيط فراگير بايد قابليت آگاه به زمينه داشته باشند. پالايش مشاركتي اساسي‌ترين روش در سيستم توصيه‌گر است كه توصيه‌هاي شخصي‌سازي‌شده را به كاربران بر اساس تنظيمات بيان‌شده قبلي و كاربران مشابه ديگر ارائه مي‌كند. مشكل اصلي پالايش مشاركتي دقت و صحت پيش‌بيني و پراكندگي داده‌هاست. به‌طوركلي، ماتريس كاربر-آيتم بسيار پراكنده است كه اين امر باعث توليد پيش‌بيني‌هايي باكيفيت بسيار پايين مي‌شود. براي حل اين مشكلات، اين پژوهش به توسعه سيستم توصيه‌گر موسيقي آگاه به زمينه كه آن را CBRCF_Music مي‌ناميم، مي‌پردازد. سيستم پيشنهادي نه‌تنها از الگوهاي جمعيت شناختي و رفتاري و زمينه‌هاي كاربر بهره برده بلكه به كنترل و رفع مشكلات بيان‌شده با تركيب استدلال مبتني بر مورد و پالايش مشاركتي كاربر محور نيز پرداخته است. سيستم پيشنهادي شامل بخش‌هايي مانند بخش پركردن ماتريس كاربر-آيتم، بخش وضعيت هيجاني و بخش ارائه توصيه هست. در بخش پر كردن، استدلال مبتني بر مورد جاهاي خالي ماتريس كاربر-آيتم را با كمك داده‌هاي جمعيت شناختي كاربران پر مي‌كند. بخش وضعيت هيجاني، سبك موسيقي مناسب با شرايط و وضعيت كاربر به‌وسيله‌ي استدلال مبتني بر مورد را تعيين مي‌كند و درنهايت، بخش توصيه، موسيقي را به كاربر هدف به‌وسيله پالايش مشاركتي كاربر محور پيشنهاد مي‌نمايد. در ارزيابي عملكرد CBRCF_Music از داده‌هاي سايت Last.fm استفاده شد. روش پيشنهادي مشكل پراكندگي داده‌ها را كاهش مي‌دهد، درنتيجه صحت توصيه‌ها بهبود مي‌يابد. نتايج تجربي به‌وضوح نشان مي‌دهد كه طرح پيشنهادي CBRCF_Music بهتر از ديگر روش‌هاي مرسوم است. كلمات كليدي: سيستم توصيه‌گر ، استدلال مبتني بر مورد، پالايش مشاركتي، آگاه به زمينه.