سیستم توصیه گر ترکیبی با استفاده از تکنولوژی شبکه های اجتماعی در صنعت خودرو

با افزایش سریع حجم اطلاعات در دنیای امروزی، به سیستمی که با دادن پیشنهادات مناسب با خواسته های یک کاربر (پیشنهادات شخصی سازی شده) او را از مرور تمام آیتم ها بازدارد، احساس نیاز می شود. امروز سعی در ساخت سیستمی توصیه گر با در صد خطای کم و سرعت بالا در تمام شرایط به یکی از پرطرف دارترین حوزه های تحقیقاتی دانشگاهی تبدیل شده است. به دلیل در صد خطای بالا، معمولاً یک روش برای در ساخت این گونه سیستم ها به کار گرفته نمی شود. اکثر اوقات جهت پیاده سازی آن از ترکیب چندین روش استفاده می شود. الگوریتم پیشنهادی در دو دسته کاربر محور و آیتم محور تقسیم می شوند. جهت بهبود توصیه ها و در نتیجه حل مشکل شروع سرد (کاربری و آیتمی) از داده های خارج از سیستم توصیه گر نیز استفاده می شود. در این تحقیق روش کاربر محور پیشنهادی از روابط اعتماد بین کاربران در شبکه های اجتماعی، جهت تشخیص هر چه بهتر علایق کاربر و در نتیجه بهبود توصیه ها استفاده می کند. جهت تشخیص هر چه بهتر شباهت میان آیتم ها، روش آیتم محور پیشنهادی نیز از معیار جاکارد در کنار مشروعیت آیتم ها بهره می گیرد. نوآوری در این تحقیق بدین ترتیب است که با ادغام تکنولوژی های تلفیقی و شبکه اجتماعی مشکلاتی چون شروع آهسته و به طور کلی تنکی داده ها در سیستم های نوصیه گر حل شده است. از مجموعه داده های جمع آوری شده جهت این تحقیق از تراکنش های سایت IranEcar.com نیز از اطلاعات تکمیلی موجود در سایت های خودروی دیگر استفاده شده است گفته ارزیابی کارایی های الگوریتم های پیشنهادی در مقایسه با الگوریتم های رقیب مرزهای دانش انجام پذیرفت و نتایج ارزیابی کارایی بهبود یافته نشانگر تأثیر به سزایی به کارگیری اطلاعات اجتماعی در کاهش خطای سیستم های توصیه گر است.

کلیدواژه ها:

سیستم توصیه گر ، مشکل شروع آهسته ، شبکه اجتماعی ، اعتماد