بهبود سیستمهای توصیه گر با استفاده از متدهای مبتنی بر اطمینان

سیستمهای توصیه گر، برنامه هایی هستند که از روشهای کشف دانش برای فراهم آوردن توصیه بر مبنای اطلاعات موجود کاربر در وب بهره می گیرند. اعتماد از مهمترین مکانیزمها برای بهبود رابطه بین کاربران در ارتباطات انلاین اجتماعی و نیز در سایتهای تجارت الکترونیک، است سیستمهای توصیه گر مبتنی بر اعتماد تکنیکهای هستند که زا اعتماد و داده های کاربران در شبکه های اجتماعی استفاده می کنند. دقت پیش بینی سیستمهای توصیه گر و رتبه بندی آنها از مهمترین مسایل مطرح در این حوزه می باشد. در این مقاله برای بهبود دقت سیستمهای توصیه گر روش RTCF (فیلترینگ اشتراکی مبتنی بر اعتماد و اطمینان) پیشنهاد شده است در این روش ابتدا میزان اعتماد شبکه با توجه به اطلاعات ارشیوی کاربران و نیز با توجه به آتیمهای رتبه بندی بدست می آید. سپس میزان جدید رتبه بندی برای سایر آیتمهای که برای کاربر ناآشناست پیش بینی می گردد که در این مرحله برای پیش بینی از پارامتر قابلیت اطمینان همراه با اعتماد استفاده می شود. مزیتی که روش پیشنهادی دارد این است که پیش بینی میزان اعتماد شبک حتی برای کاربرانی که قابلیت اطمینان پایینتری از مقدار آستانه تعریف شده دارند. به خوبی و با دقت بالاتری قابل محاسبه است در نتیجه روش پیشنهادی منجر به بهبود اعتماد و نیز دقت پیش بینی ها می گردد. نتایج آزمایشگاهی بدست آده نشان دهنده افزایش دقت و میزان پوشش دهی بالا نسبت به سایر سیستمهای توصیه گر می باشد.

بهبود سیستمهای توصیه گر با استفاده از متدهای مبتنی بر اطمینان Keywords:

سیستمهای توصیه گر , قابلیت اطمینان , شبکه های مبتنی بر اعتماد , سیستمهای توصیه گر بر مبنی اعتماد