راهکاری جدید جهت بهبود کارایی معیارهای اندازه‏گیری شباهت کاربران در سیستم‏های توصیه‏گر

کاربرد عمومی از وب به عنوان یک سیستم اطلاعات جهانی موجب شده تا کاربران با حجم عظیمی از اطلاعات و داده‏ها سروکار داشته باشند. کاربران در مواجهه با این حجم عظیم اطلاعات از ده‏ها هزار منبع، دچار سردرگمی در انتخاب اطلاعات موردنظر خود می‏شوند. ابزاهایی جهت کنترل و سازمان‏دهی این اطلاعات ارائه شده‏اند. سیستم‏های توصیه‏گر، نمونه‏ایی از موفق‏ترین ابزارهای شخصی‏سازی وب هستند. مهمترین وظیفه یک سیستم توصیه‏گر، کشف آیتم‏‏های مورد علاقه کاربر در یک فضای بسیار بزرگ از آیتم‏های قابل انتخاب است. بنابراین سیستم توصیه‏گر می‏تواند کاربر را در انتخاب از میان انبوه اطلاعات یاری رساند. یکی از معروف‏ترین راهکارهای ارائه شده برای سیستم توصیه‏گر، صافی‏سازی تجمعی است. برای یک کاربر خاص، در این راهکار با استفاده از رتبه‏های داده شده به آیتم ها توسط کاربران مشابه، به پیش‏بینی و پیشنهاد آیتم‏های جدید به این کاربر خاص پرداخته می‏شود. در این راهکار، جهت شناسایی کاربران مشابه با کاربر خاص، از معیارهای شباهتی استفاده می‏شود که به عنوان یک فاکتور مهم در افزایش کارایی سیستم‏های توصیه‏گر عمل می نمایند. معیارهای شباهت ارائه شده در سیستم صافی‏سازی تجمعی بر اساس اطلاعات ماتریس کاربر-آیتم ( که شامل رتبه‏های کاربران به آیتم‏هاست) به اندازه‏گیری شباهت کاربران می‏پردازند. این معیارها با چالش‏هایی از جمله شروع سرد ( کاربر تازه وارد به سیستم که تعداد کمی از آیتم ها را رتبه بندی کرده است) ، رتبه هموار (کاربرانی که به آیتم های مختلف، رتبه های مشابهی داده اند )، تعداد آیتم مشترک (تعداد آیتم های مشترک رتبه داده شده بین دو کاربر کم است) و تنکی ماتریس کاربر-آیتم ( تعداد آیتم های رتبه داده نشده زیاد است) مواجهه هستند. در این پایان‏نامه، معیارهای شباهت جدیدی جهت رفع این مشکلات ارائه شده‎‏اند. یکی از این معیارهای ارائه شده، معیار شباهت مبتنی بر رتبه است که چالش‏های تعداد رتبه مشترک و رتبه هموار را برطرف نموده است. معیار شباهت ارائه شده دیگر، با استفاده از پروفایل کاربران، مشکل تنکی ماتریس کاربر-آیتم را برطرف نموده است. همچنین در این پایان نامه، چارچوب‏هایی از این معیارها جهت بهبود عملکرد معیارهای مبتنی بر ماتریس کاربر-آیتم ارائه شده‏اند. علاوه بر این، معیارهایی بر اساس تحلیل سلسله‏مراتبی جهت افزایش دقت اندازه‏گیری شباهت کاربران و رفع مشکل کاربر غیرمعمول برای سیستم‏های توصیه‏گر صافی‏سازی تجمعی ارائه شده‏اند.