فاطمه خوشدل نظامی کاخکی - دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه بین المللی امام رضا (ع)، مشهد
مهرداد جلالی - عضو هیئت علمی گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی مشهد

سیستمهای پیشنهاددهنده میتوانند کالاها را براساس تحلیل رفتار گذشته کاربر، بدون اینکه هیچ اطلاعات زمینهای اضافی را به حساب بیاورند، به او پیشنهاد دهند. که تنها در نظر گرفتن کالاها و کاربران در فرآیند پیشنهاد میتواند ناکافی باشد. بنابراین، سیستم پیشنهاددهنده آگاه از زمینه، علاوه بر اطلاعات توصیفی دربارهی کاربران، کالاها و نرخها از صفات زمینهای اضافی نیز استفاده مینماید. زمینه پارامتری وضعیتی است، که میتواند به وسیلهی سیستم شناخته شود و همچنین بر انتخاب و رتبهبندی نتایج پیشنهادها موثر باشد. در این مقاله سعی گردیده است، با ارائه مدلی جدید مبتنی بر مدل مخفی مارکوف و به کاربستن زمینهها در آن، روشی جدید برای بهبود نتایج حاصل گردد. ابتدا، برای هر یک از زمینههای موجود مدل مخفی مارکوف ساخته میشود، که مقادیر زمینهها به عنوان مشاهدات و هر یک از کالاها به عنوان حالاتاین مدل در نظر گرفته میشوند. سپس، با دنبال کردن احتمالات مارکوفی برای زنجیره مشاهدات زمانی کاربر، فرآیند تخمین نرخ صورت میگیرد. ارزیابیها نشان میدهند که مدل ارائه شده، میتواند نتایجی بهتر از مدلهای زمینهای و غیرزمینهای ارائه کند.

زمینه، صافیسازی تجمعی، سیستمهای پیشنهاد دهنده، مدلسازی زمینهای، مدل مخفی مارکوف