بهبود دقت توصيه‏ ها در سيستم پيشنهاددهنده برمبناي ارزيابي اعتماد براساس مدل منطق ذهني

در رويكرد فيلترينگ مشاركتي براي ارائه توصيه ‏ها در سيستم‏هاي پيشنهاددهنده، براساس ارزشيابي‏هاي گذشته كاربر فعال و ميزان شباهت آنها با بازخوردهاي ساير كاربران، مناسب‏ترين اقلام به كاربر فعال پيشنهاد مي‏گردد. اما فيلترينگ مشاركتي به ويژه در مورد كاربران شروع سرد و در شرايط خلوتي داده‏ ها و نيز در حضور حملاتي مانند ارزشيابي‏ هاي غيرواقعي كارآمدي پاييني دارد. به همين دليل رويكردهاي مكمل مانند مديريت اعتماد براي كاهش اين چالش‏ ها مورد توجه قرار گرفته است. از طرف ديگر در سال‏هاي اخير محققان به اين نتيجه رسيده ‏اند كه مدل‏هاي اعتماد آگاه از اطمينان در حوزه‏ هاي مختلف دقت بالاتري در ارزيابي اعتماد ارائه مي‏ كنند. اطمينان به معني ميزان باور به درستي تخمين اعتماد است. در اين مقاله يك راهكار جديد براي افزايش دقت توصيه‏ ها در سيستم‏هاي پيشنهاددهنده برمبناي اعتماد آگاه از اطمينان ارائه مي‏گردد. در راهكار پيشنهادي دو نوع اعتماد صريح و ضمني مورد محاسبه قرار مي‏گيرد و پارامتر اطمينان براساس سه معيار تعداد، سازگاري و تازگي ارزشيابي ‏ها محاسبه و در قالب مدل منطق ذهني ارائه مي‏گردد. در نهايت مناسب‏ترين اقلام براساس دو پارامتر اعتماد و اطمينان انتخاب و به كاربر فعال ارائه مي‏گردد. نتايج ارزيابي روش پيشنهادي بر روي مجموعه‏ داده ‏هاي شناخته ‏شده در اين حوزه نشان مي‏دهد كه دقت و پوشش راهكار پيشنهادي بهبود قابل ملاحظه‏اي نسبت به روش‏هاي موجود ارائه مي‏كند.