CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

سیستم توصیه گر زمان و اعتماد مبنا با استفاده از تشخیص جوامع مبتنی بر گراف

عنوان مقاله: سیستم توصیه گر زمان و اعتماد مبنا با استفاده از تشخیص جوامع مبتنی بر گراف
شناسه ملی مقاله: JR_IMS-12-46_010
منتشر شده در در سال 1402
مشخصات نویسندگان مقاله:

فاطمه رضایی مهر - دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی
چیترا دادخواه - استادیار دانشگاه صنعتی خواجه نصیرالدین طوسی

خلاصه مقاله:
امروزه اینترنت نقش بااهمیتی در زندگی انسان ها دارد و محتوای وب باید متناسب با نیازهای کاربران باشد تا اطلاعات به روز و مناسب با سلیقه کاربر را فراهم نماید. در این راستا، سیستم های توصیه گر به کاربران کمک کرده و اقلامی که به سیلقه کاربران نزدیک تر است، را به آن ها در کم ترین زمان ممکن توصیه می کند . امروزه، با افزایش داده، استفاده از سیستم های توصیه گر رو به افزایش است. از طرفی دیگر این سیستم ها با چالش هایی از جمله تغییر سلیقه کاربران در طی زمان، شروع سرد، خلوت بودن ماتریس کاربر-قلم، حملات افراد جعلی در سیستم و تاثیر منفی آن ها در لیست توصیه سیستم روبرو هستند. هدف این مقاله ارائه یک سیستم توصیه گر زمان و اعتماد مبنا جهت بهبود کارایی و افزایش دقت توصیه های سیستم است. سیستم پیشنهادی در ابتدا با افزودن برخی امتیاز های ضمنی قابل اعتماد به ماتریس امتیاز دهی کاربر- قلم، مشکل پراکندگی داده را حل نموده و سپس یک شبکه وزن دار کاربر-کاربر براساس زمان ارائه نظر کاربر نسبت به قلم و روابط اعتماد میان کاربران تولید می نماید که بدین ترتیب مشکل شروع سرد و تغییر سلیقه کاربر در طی زمان را رفع می کند. سیستم توصیه گر پیشنهادی بر اساس الگوریتم تشخیص جامعه جدیدی که در این مقاله ارائه شده است، نزدیک ترین کاربران همسایه و هم سلیقه با کاربر فعال را پیدا نموده و بر اساس روش پالایش همکارانه، کا-بالاترین قلم را به کاربر پیشنهاد می دهد. نتایج ارزیابی سیستم پیشنهادی برای سیستم توصیه گر مبتنی بر فیلم بر روی مجموعه داده Epinions نشان می دهد سیستم پیشنهادی نسبت به سیستم های پایه از کارایی بالاتری برخوردار است.

کلمات کلیدی:
سیستم های توصیه گر, زمان, اعتماد, تشخیص جوامع, پالایش همکارانه

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1866034/