استفاده از خوشه بندی سلسله مراتبی برای بهبود پیشنهاد منابع مبتنی بر برچسب

اخیرا سیستم های برچسب زنی اجتماعی به صورت روز افزون متداول شده و در حال افزایش می باشد. این سیستم ها به کاربران اجازه می دهد تا منابع مورد نیاز خود را به صورت آزادانه سازماندهی، مدیریت و جستجو نمایند. از چالش های این نوع سیستم ها می توان به حجم بالای داده، داده ناسازگار، استفاده از الگوریتم های زمانبر یادگیری ماشین و عدم قابلیت اجرا و تطبیق در دنیای واقعی اشاره نمود. این چالش ها سبب افزایش روز افزون تحقیقات در سالهای اخیر شده است. راهکار این چالش ها سیستم های پیشنهاد دهنده می باشد، به همین دلیل سیستم پیشنهاد دهنده منابع را بر اساس برچسب معرفی نموده ایم که توانایی کمک به کاربر در انتخاب منبع مناسب و یکپارچه نمودن این منابع در بین تمام کاربران را پوشش می دهد. این سیستم به دلیل ترکیب و یکپارچه نمودن روش های مبتنی بر محتوا، مبتنی بر مشارکت، کلمات مرتبط و پروفایل کاربر سبب حذف مشکل شروع- سرد در ابتدای کار سیستم می شود. اگر سیستم دارای هیچ اطلاعاتی نباشد و برای اولین بار اقدام به فعالیت نماید، با استفاده از محتوای منبع و کلمات مرتبط اقدام به ارائه پیشنهاد به کاربر می کند که این بزگترین مزیت سیستم می باشد. در این سیستم، پیشنهادات بر اساس علائق شخصی کاربر، علائق کاربران مشابه، محتوای منابع مورد نظر و پایگاه های اطلاعاتی مرتبط با هستی شناسی و کلمات مرتبط انجام می شود. ارزیابی سیستم پیشنهادی بر روی مجموعه داده استخراج شده از سایت دلیشز انجام شده است. نتایج به دست آمده از آزمایشها، بهبود صحت در ارائه پیشنهادات و کارایی این سیستم را در مقابل روش پیشنهاد ترکیبی تا 67 درصد افزایش می دهد.