يك سامانه پيشنهادگر محتوا-مشاركتي مبتني بر خوشه‌بندي و هستان‌شناسي

سامانه‌هاي پيشنهادگر سامانه‌هايي هستند كه در گذر زمان ياد مي‌گيرند كه هر فرد يا مشتري احتمالاً چه كالا يا قلمي را مي‌پسندد و آن را به او پيشنهاد مي‌دهند. اين سامانه‌ها اغلب بر اساس رفتارهاي مشابه از ديگر افراد (احتمالاً مشابه) عمل مي‌كنند. به‌طور كلي يافتن افراد مشابه، به علت زياد بودن كاربران، فرايندي بسيار زمان‌بر و به علت كمبود اطلاعات، نادقيق است. به همين دليل برخي از روش ها، رو به افزايش سرعت آورده‌اند. از طرفي، برخي از روش هاي ديگر، رو به افزودن اطلاعاتِ اضافه آورده تا در گذر اين اطلاعات بتوانند دقت يافتن كاربران مشابه يا همسايه را افزايش دهند. برخي ديگر نيز، به روش هاي تركيبي رو آورده‌اند. اخيراً محققان با به‌كارگيري روش هاي خوشه بندي پايه كه بر اساس يافتن شبيه‌ترين كاربران همسايه با كمك خوشه بندي كاربران مي‌باشد، و همچنين استفاده از روش‌هاي محتوا پايه و بعضاً اضافه نمودن هستان‌شناسي به روش‌هاي محتوا پايه توانسته‌اند با بهره‌گيري از مزاياي اين روش‌ها، برخي از چالش‌هاي فوق را تا حد قابل قبولي حل نمايند. در سامانه پيشنهادگر تركيبي پيشنهادي، از يك سامانه دو مرحله‌اي استفاده كرده‌ايم كه در مرحله اول، دو مدل پيش‌بيني‌هاي خود را انجام داده، سپس در مرحله دوم به‌وسيله يك مؤلفه تركيب‌گر، نتايج دو بخش مرحله اول با يكديگر تركيب شده و نتايج به‌دست آمده را به‌عنوان نتايج نهايي سامانه به ما ارائه مي‌دهد. در بخش اول، يك سامانه مبتني بر پر‌كردن مقادير گم شده، مقادير خالي در ماتريس امتيازدهي را پر مي‌كند. براي اين مهم، از بين روش‌هاي پركردن داده‌هاي گم شده، يك روش كه با پركردن مجموعه داده در شرايط بسيار تُنُك سازگار بود را طراحي كرده و سپس آن را به روش خودمان تعميم داده‌ايم. در اين راستا يك روش مبتني بر خوشه‌بندي فاصله‌گري ارائه كرده‌ايم. در بخش دوم كه خود يك سامانه پيشنهادگر تركيبي هستان‌شناسي پايه مي‌باشد، ابتدا به كمك يك خزنده وب، اطلاعات هر قلم را استخراج كرده، سپس در يك هستان‌شناسي پايه به كمك يك روش پيشنهادي، اقدام به بهبود ساختار هستان‌شناسي به‌وسيله حذف يال‌هاي همسان مي‌نماييم. بدين ترتيب دقت اندازه‌گيري شباهت معنايي بين اقلام و كاربران در مراحل بعدي افزايش يافته و ميزان اثربخشي پيشنهادات ارائه شده به‌طور با‌معنايي بهبود مي‌يابد. شايان ذكر است اين هستان‌شناسي يك هستان‌شناسي جامع نيست. درنهايت به كمك يك روش اندازه‌گيري شباهت ابتكاريِ هستان‌شناسي پايه، مشابهت قلم-قلم‌ها، كاربر-كاربرها، و كاربر-قلم‌ها را اندازه‌گيري مي‌كنيم. به كمك اين ماتريس مشابهت، كاربرها و قلم‌ها را خوشه‌بندي كرده و سپس براي هر كاربر، كاربرها و قلم‌هاي شبيه به آن را به‌عنوان يك ويژگي جديد در پروفايل كاربر ذخيره مي‌نماييم. اين كار به ما كمك مي‌كند كه در آينده، سرعت يافتن كاربرهاي مشابه و قلم‌هاي مشابه را بالا ببريم. در حقيقت بر اساس اين ويژگي، سرعت كل كار را افزايش داده‌ايم. از آنجايي كه ما هدف خود را ساختن سامانه‌اي كه يك موازنه بين دو معيار دقت و سرعت را برقرار كند قرار داده‌ايم، با استفاده از يك مجموعه داده واقعي، از اين دو معيار جهت ارزيابي سامانه پيشنهادي استفاده مي‌كنيم. نتايج مقايسه‌ي روش پيشنهادي ما با برخي روش‌هاي مشابه به‌روز ارائه شده در اين حوزه (با استفاده از يك مجموعه داده يكسان) حاكي از آن است كه روش ما از روش‌هاي سريع، كندتر است، اما از آنها دقيق‌تر مي‌باشد. همچنين اين نتايج بيانگر اين موضوع است كه روش پيشنهادي از روش‌هاي دقيق، سريع‌تر و كيفيت آن نيز قابل رقابت و يا حتي بهتر است.