دسته بندی و ارزیابی تحلیلی روش های توصیه گر مبتنی بر شبکه های اجتماعی

با رشد تکنولوژی و فناوری های جدید باعث بروز پدید آمدن سیستمهایی شده است که میتواند مناسب ترین آیتمها را به کاربران خاصی توصیه کنند. سیستمهای توصیه گر، سیستمهایی هستند که در پیدا کردن و انتخاب نمودن آیتمهای مورد نظر کاربران به آنها کمک میکنند و با حدس زدن شیوه تفکر کاربر به کمک اطلاعاتی که از نحوه رفتار وی یا کاربران مشابه و نظرات آنها دارند مناسب ترین و نزدیکترین کالا یا خدمات به سلیقه او را شناسایی و پیشنهاد می کنند. در سالهای اخیر شیوه ها، رویکردها، الگوریتم ها و مدلهای متنوع و گوناگونی در زمینه توسعه انواع سیستمهای توصیه گر مطرح گردیده است. سیستم های توصیه گر که با هدف ارائه لیستی از آیتم های مناسب به کاربران ایجاد شده اند، تحقیقات اخیر نشان می دهد که در مقایسه بین توصیه های دوستان و پیشنهادات سیستمهای توصیه گر، از نظر کیفیت و سودمندی، توصیه های دوستان ترجیح داده می شود. سیستمهای توصیهگر امروزه در بسیاری از برنامه های تجارت الکترونیک یافت می شود. این سیستمها به طور هوشمند و بااستفاده از تکنیکهای هوش مصنوعی، تحلیل مبتنی و تکنیکهای پردازش زبان طبیعی به شناسایی علایق کاربران خود در فضای اینترنت پرداخته و پیشنهادی متناسب با اولویتها و محدودیت های کاربر به آنها ارائه میدهند و الگوریتمهای پیشنهادی به دو دستهی مبتنی بر کاربر و مبتنی بر آیتم تقسیم می شوند. دو روش رایج برای ارائه توصیه ها وجود دارد، که پالایش مشارکتی و پالایش مبتنی بر محتوا هستند. در این مقاله یک چارچوب تحلیلی برای دسته بندی روش های موجود در سیستمهای توصیهگر بیان شده است و در انتها نیز به کمک برخی معیارهای ارزیابی، روشهای موجود با یکدیگر مقایسه شدهاند.

کلیدواژه ها:

سیستم های توصیه گر ، پردازش زبان طبیعی ، مبتنی بر کاربر ، مبتنی بر آیتم ، پالایش مشارکتی ، پالایش مبتنی بر محتوا