تأثير مؤلفه اعتماد چندوجهي در تخمين امتياز كالا براي سيستم‌هاي‌ توصيه‌گر

The impact of multifaceted trust component in estimating product rating for Recommender Systems

با توجه به حجم عظيم اطلاعات در اينترنت، كاربران براي انتخاب كالا و خدمات موردپسند خود با گزينه‌هاي زيادي مواجه هستند. سيستم‌هاي توصيه‌گر با توجه به اطلاعات ثبت ‌شده از انتخاب كاربران، افرادمرتبط يا مورداعتماد آن‌ها و نيز كالاهاي انتخاب ‌شده، مدلي را استخراج نموده و ضمن تخمين امتياز كالاها، آنها را جهت توصيه به كاربر، اولويت‌بندي مي‌نمايند. رويكرد مبتني بر اعتماد، از شبكه اعتماد بين افراد براي تخمين امتياز كالا استفاده مي‌نمايد. از آنجا كه سطح اعتماد در زمينه‌هاي تخصصي متفاوت است، مقوله اعتماد در وجوه مختلف مورد توجه پژوهشگران قرارگرفته ‌است. اين مقاله مدل مبتني بر اعتماد چندوجهي براي تخمين امتياز كالا ارائه مي‌دهد كه در آن كاربران و كالاها با توجه به ميزان تعلق به هر وجه و نيز سطح اعتماد در آن وجه در نظر گرفته مي‌شوند. تحليل مجموعه داده‌هاي Epinions نشان مي‌دهد پراكندگي فاصله انتخاب افراد درون يك شبكه اعتماد چندوجهي به صورت معناداري كمتر از توزيع آنها در يك شبكه عام اعتماد است. درادامه عملكرد مدل پايه و مدل مبتني بر تشابه نيز با دو حالت عام و چندوجهي بررسي و مقايسه شده ‌است. ارزيابي مدل‌ها بر اساس ميانگين توان‌دو خطاي تخمين و با تفكيك داده‌هاي Epinions به دو گروه آموزش و آزمون و همچنين روش تصديق متقابل انجام گرفته ‌است. نتايج نشان مي‌دهد با در نظر گرفتن مولفه اعتماد به صورت چندوجهي، خطاي تخمين به طور متوسط 20% كاهش يافته و عملكرد سيستم توصيه‌گر به صورت محسوسي ارتقاء مي‌يابد

Given the overwhelming amount of information on the web, users face many options when selecting products or services. Recommender systems build a model based on information from users' past choices and ratings, related or trusted individuals, previously selected products, and the features of such products; the system then prioritize items to recommend them to the user based on this model. Trust aware method will use the trust network between users for estimating products ratings. Researchers have been interested in subject of trust in different facets because of different level of trust in professional fields. This article presents multi-faceted trust model for estimating product ratings, in which users and items are considered due to amount of dependency to each facet and also level of trust in it. Epinions dataset analysis indicates that distance dispersion of users’ choice in a multi-facted trust network is significantly lower than their distribution in a general trust network. Then baseline and similarity base models’ performance have been checked and compared in forms of general and multi-faceted. Model evaluation has been done based on Root Mean Squared Error and Epinions dataset separation in two groups of test and train and also croos validation method. Results indicate that estimation error has been averagely decreased 20% and improve recommender system performance obviously by considering trust component in multi-facted form.