ارائه­ي روشي براي توليد پيشنهادهاي بديع مختص هر كاربر در سيستم توصيه گر چند معياري

Generating User Specific Novel Recommendation in a Multi-Criteria Recommender System

سيستم توصيه گر يكي از ابزارهاي ارزشمند در حوزه ي تجارت الكترونيك است. در اين سيستم ترجيحات كاربر پيش بيني ، و از بين انبوه كالاهاي موجود، كالاي متناسب با نياز و علايق هركاربر به او پيشنهاد مي شود. در سيستم هاي توصيه گر كلاسيك، تنها معيار ارزيابي ميزان تطابق پيشنهادها با علايق و نيازمندي كاربر بود كه به عنوان معيار دقت در نظر گرفته مي شد. در نظر گرفتن دقت به عنوان تنها معيار ارزيابي، مشكلاتي مانند عدم رضايت كاربر به دليل دريافت پيشنهادهاي بسيار مشابه و كاهش احتمال خريد بسياري از كالاهاي ديگر را در پي دارد. در سيستم هاي توصيه گر جديد از چندين معيار براي ارزيابي عملكرد توصيه‌گرها استفاده مي‌شود. يكي از معيارهاي ارزيابي، ويژگي بديع بودن كالاي پيشنهادي براي كاربر است كه بر ناشناخته بودن كالاي پيشنهادي براي كاربر تاكيد دارد. تبديل اين تعريف به معياري كمي براي ارزيابي با چالش مواجه است. در پژوهش حاضر ضمن بررسي تعاريف اين معيار روشي براي توليد پيشنهادهاي بديع در سيستم هاي توصيه گر چند معياري ارائه شده است. در اين روش از حلقه دوستان شخص براي تخمين ميزان بديع بودن كالا استفاده مي شود. در اين مقاله يك سيستم توصيه گر با در نظر گرفتن معيارهاي بديع بودن، دقت و پوشش پياده سازي شده و با توصيه گر كلاسيك مقايسه شده است.

The recommender system is one of the valuable e-commerce tools. These systems, predict the user s preferences and recommend the products that fit the needs and interests of each user. In classical recommender systems, only the accuracy of recommendations was evaluated. Considering accuracy as the only evaluation criterion leads to problems such as user dissatisfaction due to receiving very similar offers and reducing the probability of purchasing many other products. In new recommender systems, several criteria are used to evaluate the recommenders. One of the evaluation criteria is novelty, which emphasizes that the product is unknown to the user. Converting this definition into a quantitative criterion is challenging. In this research, we proposed a method to create novel recommendations in multi-criteria recommender systems. In this method, the circle of friends is considered as a user s knowledge resources about products. A recommender system is implemented considering the criteria of novelty, accuracy ,and coverage and compared with the classical recommender system.