نام پژوهشگر: فرشته کیاست
فرشته کیاست پرهام مرادی
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.