بهبود دقت سیستم ‏های پیشنهاددهنده با تخمین اعتماد آگاه از زمان، مکان و زمینه بر اساس خوشه ‏بندی و توزیع بتا

در دهه ‏های اخیر رویکرد محاسبه و اعمال اعتماد بین کاربران در طراحی سیستم‏های پیشنهاددهنده مورد توجه محققان قرار گرفته است. با وجود این، اغلب سیستم‏های پیشنهاددهنده مبتنی بر اعتماد فقط از یک فاکتور برای تخمین مقدار اعتماد استفاده می ‏کنند. در این مقاله یک رویکرد چندفاکتوری برای تخمین اعتماد بین کاربران سیستم‏های پیشنهاددهنده ارایه می ‏شود. در طرح پیشنهادی، ابتدا کاربران سیستم براساس شباهت مبتنی بر اطلاعات دموگرافیک و تاریخچه ارزشیابی‏ها خوشه ‏بندی می ‏شوند. برای تخمین ارزشیابی کاربر فعال به یک آیتم خاص، مقدار اعتماد بین او و سایر کاربران هم‏خوشه ‏اش با درنظرگرفتن فاکتورهای زمان، مکان، و زمینه ارزشیابی محاسبه می ‏شود. برای این منظور، ما الگوریتمی مبتنی بر توزیع بتا معرفی می‏ کنیم. یک معیار مبتنی بر درخت جدید برای محاسبه شباهت معنایی بین زمینه ‏ها مورد استفاده قرار می ‏گیرد. در نهایت، ارزشیابی کاربر فعال با استفاده از میانگین ‏گیری وزنی تخمین زده می ‏شود که مقادیر اعتماد به عنوان وزن در میانگین ‏گیری منظور می ‏شوند. طرح پیشنهادی بر روی سه مجموعه ‏داده مطرح اجرا شده و ارزیابی و مقایسه نشان می ‏دهد که این طرح نتایج بهتری از نظر ملاک‏های دقت و کارآمدی نسبت به روش‏های موجود ارایه می ‏کند.