طراحی یک سامانه توصیه گر شخصی در پایگاه های علمی

مواجهه با مسئله حجم بالای اطلاعات همواره از موضوعات قابل توجه در تحقیقات علمی بوده است و یکی از رویکردهای موجود در این زمینه استفاده از سیستم های توصیه گراست. سیستم های توصیه گر رویکردی برای رویارویی با حجم بسیار زیاد اطلاعات بوده و به کاربر این امکان را می دهند تا با سرعت بیشتری به مقصود خود برسد. با وجود فراگیر شدن این سیستم ها در زمینه های گوناگون، مطالعات نیاز به توجه بیشتر به بکارگیری آنها در پایگاه های علمی را نشان می دهند. استفاده از سیستم های توصیه گر در زمینه ارائه پیشنهادهای علمی شامل پیشنهاد مقاله، پیشنهاد متخصص یا همکار، پیشنهاد ارجاعات و پیشنهاد داور جهت مطالعه مقالات است که همگی موضوعاتی نوظهور و در حال توسعه هستند. در این میان با توجه به رشد چشم گیر رویدادهاو مجلات علمی، یکی از دیگر مسائل پراهمیت انتخاب مناسب ترین محل جهت انتشار مقالات علمی است. به طوری که وجود ابزاری جهت تسهیل این روند، برای محقق ضروری به نظر می رسد. با وجود اهمیت این سیستم ها در تسریع فرآیند انتشار و کاهش خطاهای احتمالی، در تحقیقات مرتبط کمتر به این مسئله پرداخته شده است. از این رو در این پایان نامه سعی بر آن است که پس از بررسی رویکرد های موجود در این زمینه، روشی کارآمد جهت توصیه کنفرانس یا مجلات علمی مرتبط با مقاله مورد نظر کاربر پیشنهاد داده شود. سیستم پیشنهادی با بکارگیری مفاهیم تجزیه و تحلیل شبکه اجتماعی و روش محتوا محور، قادر خواهد بود مناسب ترین محل ها را جهت انتشار مقاله نوشته شده، بر اساس ترجیحات و سابقه نزدیکان محقق به او پیشنهاد دهد. نتایج ارزیابی با استفاده از داده های دنیای واقعی نیز عملکرد مناسب آن در ارائه پیشنهادهای موثر نهایی را نشان می دهند؛ بگونه ای که با پیمایش اولین عمق از شبکه همکاران نویسنده(گان)، قدرت پاسخگویی سیستم برابر 70.69% بوده و دقت آن در پیش بینی نتیجه دقیق نهایی تنها در 20 پیشنهاد ابتدایی به 48.53% می رسد.