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.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.