مدیریت داده، اطلاعات و دانش در حوزه کسب‌وکار هوشمند
فاطمه رضایی مهر؛ چیترا دادخواه
چکیده
امروزه اینترنت نقش بااهمیتی در زندگی انسان‌ها دارد و محتوای وب باید متناسب با نیازهای کاربران باشد تا اطلاعات به‌روز و مناسب با سلیقه کاربر را فراهم نماید. در این راستا، سیستم‌های توصیه‌گر به کاربران کمک کرده و اقلامی که به سیلقه کاربران نزدیک‌تر است، را به آنها در کم‌ترین زمان ممکن توصیه می‌کند . امروزه، با افزایش داده، استفاده ...
بیشتر
امروزه اینترنت نقش بااهمیتی در زندگی انسان‌ها دارد و محتوای وب باید متناسب با نیازهای کاربران باشد تا اطلاعات به‌روز و مناسب با سلیقه کاربر را فراهم نماید. در این راستا، سیستم‌های توصیه‌گر به کاربران کمک کرده و اقلامی که به سیلقه کاربران نزدیک‌تر است، را به آنها در کم‌ترین زمان ممکن توصیه می‌کند . امروزه، با افزایش داده، استفاده از سیستم‌های توصیه‌گر رو به افزایش است. از طرفی دیگر این سیستم‌ها با چالش‌هایی از جمله تغییر سلیقه کاربران در طی زمان، شروع سرد، خلوت بودن ماتریس کاربر-قلم، حملات افراد جعلی در سیستم و تاثیر منفی آنها در لیست توصیه سیستم روبرو هستند. هدف این مقاله ارائه یک سیستم توصیه‌گر زمان و اعتماد مبنا جهت بهبود کارایی و افزایش دقت توصیه‌های سیستم است. سیستم پیشنهادی در ابتدا با افزودن برخی امتیاز‌های ضمنی قابل اعتماد به ماتریس امتیاز‌دهی کاربر- قلم، مشکل پراکندگی داده را حل نموده و سپس یک شبکه وزن‌دار کاربر-کاربر براساس زمان ارائه نظر کاربر نسبت به قلم و روابط اعتماد میان کاربران تولید می‌نماید که بدین ترتیب مشکل شروع سرد و تغییر سلیقه کاربر در طی زمان را رفع می‌کند. سیستم توصیه‌گر پیشنهادی بر اساس الگوریتم تشخیص جامعه جدیدی که در این مقاله ارائه شده است، نزدیک‌ترین کاربران همسایه و هم‌سلیقه با کاربر فعال را پیدا نموده و بر اساس روش پالایش همکارانه، کا-بالاترین قلم را به کاربر پیشنهاد می‌دهد. نتایج ارزیابی سیستم پیشنهادی برای سیستم توصیه‌گر مبتنی بر فیلم بر روی مجموعه‌داده Epinions نشان می‌دهد سیستم پیشنهادی نسبت به سیستم‌های پایه از کارایی بالاتری برخوردار است.
نوذر ابراهیمی لامع؛ فاطمه ثقفی؛ مجید قلی پور
چکیده
سیستم‌های توصیه‌گر یکی از ضروری ترین ابزارهای هوشمندسازی تجارت الکترونیک است. این سیستم‌ها با انواع مختلف روش‌های فیلترکردن داده‌ها و داده‌کاوی، قادر به انتخاب و ارایه بهترین پیشنهادات از بین انبوه موارد قابل انتخاب برای مشتریان هستند. در بین روش‌های متنوع سیستم‌های توصیه‌گر، فیلترهای اشتراکی پرکاربردترین روش برای ارایه ...
بیشتر
سیستم‌های توصیه‌گر یکی از ضروری ترین ابزارهای هوشمندسازی تجارت الکترونیک است. این سیستم‌ها با انواع مختلف روش‌های فیلترکردن داده‌ها و داده‌کاوی، قادر به انتخاب و ارایه بهترین پیشنهادات از بین انبوه موارد قابل انتخاب برای مشتریان هستند. در بین روش‌های متنوع سیستم‌های توصیه‌گر، فیلترهای اشتراکی پرکاربردترین روش برای ارایه پیشنهادات است. فیلترهای اشتراکی دامنه وسیعی از الگوریتمها را شامل میشود و در این بین، روش تجزیه ماتریس به مقادیر منفرد یکی از مدلهای پیشرفته در فیلتر اشتراکی است. در این مقاله به ارایه مدلی بهینه شده از سیستم توصیه‌گر فیلم مبتنی بر روش تجزیه مقادیر منفرد پرداخته شده که ضمن کاهش ابعاد ماتریس و کاهش حجم محاسبات و حافظه، با روش تکرار جاگذاری، دارای دقت مناسب نسبت به روش تجزیه ماتریس به مقادیر منفرد ساده و سایر روش‌های دیگر است. برای این پژوهش از مجموعه دیتاستهای 100 هزار امتیازی مووی لنز و از برنامه نویسی پایتون استفاده شدهاست. ارزیابی میزان خطا با روش‌های جذر میانگین مربعات خطا و میانگین قدر مطلق خطا، نشان از بهبود مناسب نسبت به روش‌های مشابه در مراجع دیگر دارد.
مهسا حسین پورپیا؛ محمدرضا اصغری اسکوئی
چکیده
با توجه به حجم عظیم اطلاعات در اینترنت، کاربران برای انتخاب کالا و خدمات موردپسند خود با گزینه‌های زیادی مواجه هستند. سیستم‌های توصیه‌گر با توجه به اطلاعات ثبت شده از انتخاب کاربران، افرادمرتبط یا مورداعتماد آنها و نیز کالاهای انتخاب شده، مدلی را استخراج نموده و ضمن تخمین امتیاز کالاها، آنها را جهت توصیه به کاربر، اولویت‌بندی ...
بیشتر
با توجه به حجم عظیم اطلاعات در اینترنت، کاربران برای انتخاب کالا و خدمات موردپسند خود با گزینه‌های زیادی مواجه هستند. سیستم‌های توصیه‌گر با توجه به اطلاعات ثبت شده از انتخاب کاربران، افرادمرتبط یا مورداعتماد آنها و نیز کالاهای انتخاب شده، مدلی را استخراج نموده و ضمن تخمین امتیاز کالاها، آنها را جهت توصیه به کاربر، اولویت‌بندی می‌نمایند. رویکرد مبتنی بر اعتماد، از شبکه اعتماد بین افراد برای تخمین امتیاز کالا استفاده می‌نماید. از آنجا که سطح اعتماد در زمینه‌های تخصصی متفاوت است، مقوله اعتماد در وجوه مختلف مورد توجه پژوهشگران قرارگرفته است. این مقاله مدل مبتنی بر اعتماد چندوجهی برای تخمین امتیاز کالا ارائه می‌دهد که در آن کاربران و کالاها با توجه به میزان تعلق به هر وجه و نیز سطح اعتماد در آن وجه در نظر گرفته می‌شوند. تحلیل مجموعه داده‌های Epinions نشان می‌دهد پراکندگی فاصله انتخاب افراد درون یک شبکه اعتماد چندوجهی به صورت معناداری کمتر از توزیع آنها در یک شبکه عام اعتماد است. درادامه عملکرد مدل پایه و مدل مبتنی بر تشابه نیز با دو حالت عام و چندوجهی بررسی و مقایسه شده است. ارزیابی مدل‌ها بر اساس میانگین توان‌دو خطای تخمین و با تفکیک داده‌های Epinions به دو گروه آموزش و آزمون و همچنین روش تصدیق متقابل انجام گرفته است. نتایج نشان می‌دهد با در نظر گرفتن مولفه اعتماد به صورت چندوجهی، خطای تخمین به طور متوسط 20% کاهش یافته و عملکرد سیستم توصیه‌گر به صورت محسوسی ارتقاء می‌یابد
