ارائه یک روش ترکیبی توصیه گر با استفاده از پروفایل های کاربران در شبکه های اجتماعی

با افزایش سریع حجم اطلاعات در دنیای امروزی، به سیستمی که با دادن پیشنهادات مناسب با خواسته‏های یک کاربر، او را از مرور تمام آیتم‏ها بازدارد، احساس نیاز می شود. امروزه سعی در ساخت سیستمی‏ توصیه‏گر با درصد خطای کم و سرعت بالا در تمام شرایط به یکی از پرطرفدارترین حوزه‏های تحقیقاتی دانشگاهی تبدیل شده است. به دلیل درصد خطای بالا، معمولاً یک روش پایه در ساخت این گونه سیستم ها به کار گرفته نمی شود. الگوریتم‏های پیشنهادی در دو دسته‏ی کاربرمحور و آیتم‏محور تقسیم می شوند. در این مقاله، روش کاربرمحور پیشنهادی از روابط اعتماد بین کاربران در شبکه‏های اجتماعی، جهت تشخیص هرچه بهتر علایق کاربر و در نتیجه بهبود توصیه‏ها، استفاده می‏کند. جهت تشخیص هر چه بهتر شباهت میان آیتم‏ها، روش‏ آیتم‏محور پیشنهادی نیز، از طبقه‏بندی موضوعی و معنایی آیتم‏ها بهره می‏گیرد. نوآوری در این تحقیق بدین ترتیب است که با ادغام تکنولوژی‏های معنایی و شبکه اجتماعی مشکلاتی چون شروع آهسته ، و به طور کلی تنکی داده‏ها در سیستم‏های توصیه‏گر حل شده است. این تحقیق اجرای یک روش توصیه گر ترکیبی خاص با توجه به ویژگی های شبکه اجتماعی خاص نظیر Epinions را ارائه می نماید. نتایج ارزیابی کارآیی بهبود یافته، نشان گر تأثیر بسزای به کارگیری اطلاعات اجتماعی و معنایی در کاهش خطای سیستم های توصیه گر است.

کلیدواژه ها:

سیستم توصیه‏گر ، مشکل شروع آهسته ، شبکه اجتماعی ، اعتماد