استفاده از خوشه بندی مبتنی بر اعتماد آگاه از اطمینان برای افزایش دقت و پوشش در سیستم های پیشنهاد دهنده

برای افزایش کارآمدی سیستم های پیشنهاد دهنده مبتنی بر فیلترینگ مشارکتی، رویکردهای مکملی توسط محققان معرفی شده است. در این مقاله یک راهکار جدید برای این منظور با استفاده از خوشه بندی گراف و در نظر گرفتن اعتماد مرفی می شود. پس از ساخت گراف اولیه کاربر/آیتم، برچسب یال ها بر اساس ویژگی های کاربران و اقلام مقداردهی اولیه می شود و سپس بر اساس ارزشیابی های ارایه شده توسط کاربران در مورد کالاها این برچسب ها به روزرسانی می شود. برچسب هر یال علاوه بر شباهت بازخوردها به اعتماد صریح و ضمنی بین هر جفت کاربر نیز وابسته است. در مدل اعتماد پیشنهادی، نقش پارامتر اطمینان به عنوان میزان باور به درستی تخمین اعتماد مورد توجه قرار گرفته است. پارامتر اطمینان، به عنوان تابعی از تعداد ارزشیابی ها تعیین می گردد. برای بازنمایی و تجمیع نظرات اعتماد صریح و ضمنی از مدل منطق ذهنی استفاده می شود. خوشه بندی گراف با استفاده از الگوریتم تعیین خلوت ترین زیرگراف انجام می گیرد. راهکار پیشنهادی بر روی مجموعه داده های Epinions و Film Trust مورد ارزیابی قرار گرفته است. آزمایش ها نشان می دهد که روش پیشنهادی از نظر معیارهای مختلف دقت شامل میانگین قدر مطلق خطا، دقت، یادآور و F1 و همچنین معیار پوشش ارزیابی (RC) تقریبا در همه شرایط نتایج بهتری نسبت به دو روش مطرح موجود ارایه می کند.

کلیدواژه ها:

سیستم پیشنهاد دهنده ، فیلترینگ مشارکتی ، خوشه بندی ، اعتماد ، اطمینان