كنترل كيفيت غيرمتمركز مبتني بر هوش تركيبي در سيستم‌هاي مشاركتي برخط

امروزه با رشد وب جهاني و افزايش تعداد كاربران بسياري از وب سايت هاي خريد برخط، كه در آن كاربران به دنبال يافتن كالاي مورد نظر خود هستند، تعداد بازخوردها درمورد محصولات نيز افزايش يافته و هر محصول سهم مناسبي از بازخوردهاي كاربران را به خود اختصاص داده است. وجود بازخوردهاي متنوع و بعضا متناقض برروي يك محصول، ارزيابي كيفيت محصولات را دشوار مي كند. براي حل اين مشكل سيستم هاي ارزيابي برخط، كه نمونه اي از سيستم هاي مشاركتي هستند، با تجميع بازخوردهاي افراد متناسب با امتياز افراد، امتياز تجميع شده اي براي محصولات ارائه مي دهند. مرور مقالات نشان مي دهد كه اين سيستم ها در معرض چالش هاي متعددي چون حفظ محرمانگي اطلاعات، نقطه واحد شكست، شروع سرد و نيز ارزيابي هاي غيرمنصفانه هستند. منشا اين چالش ها عموماً در طراحي متمركز اين سامانه ها و روش هاي به كار گرفته شده براي محاسبه كيفيت افراد و يا محصولات است. ما براي رفع اين چالش ها يك سيستم كنترل كيفيت غيرمتمركز ارائه كرده ايم كه محرمانگي اطلاعات را حفظ كرده و مشكل نقطه واحد شكست را حل مي كند. همچنين اين سيستم با استفاده از انتقال يادگيري، چالش شروع سرد را برطرف كرده و با تركيب هوش مصنوعي و هوش انسان در برابر بازخوردهاي غيرمنصفانه مقاومت مي كند. نتايج بررسي‌ها نشان مي دهد كه مدل پيشنهادي ما عملكرد بهتري نسبت به مدل‌هاي موجود دارد.