بهبود دقت توصیه ها در سیستم پیشنهاد دهنده بر مبنای ارزیابی اعتماد بر اساس مدل منطقی ذهنی

در رویکرد فیلترینگ مشارکتی برای ارایه توصیه ها در سیستم های پیشنهاد دهنده، بر اساس ارزشیابی های گذشته کاربر فعال و میزان شباهت آنها با بازخوردهای سایر کاربران، مناسب ترین اقلام به کاربر فعال پیشنهاد میگردد. اما فیلترینگ مشارکتی به ویژه در مورد کاربران شروع سرد و در شرایط خلوتی داده ها و نیز در حضور حملاتی مانند ارزشیابی غیرواقعی کارآمدی پایینی دارد. به همین دلیل رویکردهای مکمل مانند مدیریت اعتماد برای کاهش این چالش ها مورد توجه قرار گرفته است. از طرف دیگر در سال های اخیر محققان به این نتیجه رسیده اند که مدل های اعتماد آگاه از اطمینان در حوزه های محتلف دقت بالاتری در ارزیابی اعتماد ارایه می کنند. اطمینان به معنی میزان باور به درستی تخمین اعتماد است. در این مقاله یک راهکار جدید برای افزایش دقت توصیه ها در سیستم های پیشنهاد دهنده بر مبنای اعتماد آگاه از اطمینان ارایه می گردد. در راهکار پیشنهادی دو نوع اعتماد صریح و ضمنی مورد محاسبه قرار می گیرد و پارامتر اطمینان بر اساس سه معیار تعداد، سازگاری و تازگی ارزشیابی ها محاسبه و در قالب مدل منطق ذهنی ارایه می گردد. در نهایت مناسب ترین اقلام بر اساس دو پارامتر اعتماد و اطمینان انتخاب و به کاربر فعال ارایه می گردد. نتایج ارزیابی روش پیشنهادی بر روی مجموعه داده های شناخته شده در این حوزه نشان می دهد که دقت و پوشش راهکار پیشنهادی بهبود قابل ملاحظه ای نسبت به روش های موجود ارایه می کند.

کلیدواژه ها:

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