4-4-4 انعطاف پذیری………………………. 53
4-4-5 توسعه شاخصهای ارزیابی………………………. 544-4-6 استفاده از اطلاعات زمینه در پیشنهاددهنده ها…………………….. 55
4-4-7 سایر گزینه ها برای بسط و توسعه سیستمهای پیشنهاددهنده ……. 55
4-5 جمعبندی………………………. 55
فصل پنجم: روش جدید چندبعدی برای پیشنهاددهی آگاه از زمینه
5-1 مقدمه………………………57
5-2 سیستمهای پیشنهاددهنده آگاهاززمینه در تجارت سیار……….. 58
5-3 مدلسازی اطلاعات زمینه……………………… 59
5-4 روش چندبعدی در سیستمهای توصیه گر سیار آگاه از زمینه……. 61
5-5 جمعبندی………………………. 68
فصل ششم: ارزیابی
6-1 مقدمه……………………… 69
6-2 روش ارزیابی………………………. 69
6-2-1 پیادهسازی سیستم جمع آوری داده…………………….. 70
6-3 پیاده سازی روش پیشنهاددهی………………………. 72
6-3-1 پیاده سازی روش پیشنهاددهی دوبعدی………………………. 73
6-3-2 پیاده سازی روش پیشنهاددهی چندبعدی………………………. 78
6-4 جمعبندی………………………. 82
فصل هفتم: جمعبندی و راهکارهای آینده
7-1 مقدمه……………………… 84
7-2 راهکارهای آینده ……………………..85
منابع و مآخذ………………………. 87
چکیده:
استفاده از زمینه، به عنوان اطلاعات پویایی که توصیفگر وضعیت کاربران و اقلام بوده و بر فرایند تصمیم گیری و انتخاب کاربران تاثیرگذار است، توسط سیستمهای پیشنهاددهنده در تجارت سیار، در جهت ارتقاء کیفیت مناسب پیشنهاددهی ضروری است. در این تحقیق یک روش جدید چندبعدی برای پیشنهاددهی آگاه از زمینه در تجارت سیار ارائه شده است. در این روش اطلاعات کاربران، اقلام، پارامتر های زمینه و ارتباط میان آنها در یک فضای چندبعدی نمایش داده میشود که به آن مکعب چندبعدی امتیازات گفته میشود. در این فضا زمینه های مشابه به طور جداگانه برای هر کاربر شناسایی میشوند که این کار با شناسایی الگوهای مصرف متفاوت کاربران در شرایط زمینهای مختلف انجام میشود. با بدست آوردن این اطلاعات، یک فضای جدید دوبعدی ایجادشده و پیشنهاددهی نهایی با بهره گرفتن از یک روش فیلترسازی مشارکتی در این فضا انجام میگیرد. ارزیابی روش از طریق پیاده سازی آن در یک سیستم پیشنهاددهی محصولات غذایی رستورانها شامل پارامترهای زمینهای روز، زمان، آب و هوا و همراه علاوه بر پارامترهای کاربر و اقلام و مقایسه آن با روش سنتی پیشنهاددهی و بدون درنظرگرفتن اطلاعات زمینه انجام گرفته است. برای پیادهسازی روش فیلترسازی مشارکتی از شبکه های خودسازمانده استفادهشدهاست. شبکه های خودسازمانده، نوعی از شبکه های عصبی بدون ناظر هستند. مقایسه و ارزیابی نتایج با بهره گرفتن از محاسبه شاخص F1 که یکی از شاخصهای استاندارد و پر استفاده برای ارزیابی پیشنهاددهنده ها است، انجام گرفته است. بر اساس این نتایج، روش پیشنهاددهی چندبعدی در حدود شانزده درصد بهبود نسبت به روش سنتی پیشنهاددهی را نمایش میدهد که همین مساله کارایی روش را از نظر کیفیت پیشنهاددهی تایید می کند.
فصل اول: مقدمه
1-1- مقدمه
سیستمهای پیشنهاددهنده در تجارت سیار از جمله موضوعات پراهمیت سالهای اخیر بوده اند که با ظهور تکنولوژیهای بیسیم و تسهیل حرکت تجارت الکترونیکی از محیطهای سیمی به سوی بیسیم مورد توجه قرارگرفتهاند. تجارت سیار بهمعنای انجام فعالیتهای تجارتالکترونیک از طریق محیطهای بیسیم، بهطورخاص اینترنت بیسیم، و وسایل دستی سیار میباشد که با پیدایش تکنولوژی بیسیم در عرصه اینترنت و استفاده روزافزون از وسایل سیار توجه به آن رو به افزایش است[1,2]. به کاربردهای تجارت سیار دو خصوصیت ویژه تحرک[1] و دسترسی وسیع[2] نسبت دادهشدهاست[1,3] که اولین خصوصیت بر امکان از بین رفتن محدودیتهای مکانی و دومین خصوصیت بر امکان از بین رفتن محدودیتهای زمانی در استفاده کاربران از خدمات این نوع کاربردها تاکید دارد[1,3,4,5]. اینکه کاربران برای انجام فعالیت هایی چون بانکداری الکترونیکی یا خرید الکترونیکی محصولات، قادر به جایگزینی وسایلی چون تلفنهای سیار و همراههای شخصی دیجیتال (پی.دی.اِی)[3] بهجای کامپیوترهای شخصی باشند، تسهیلات زیادی را برای آنها و فرصتهای جدیدی را نیز برای کسب وکارها فراهمخواهدکرد و لزوم توجه به این عرصه را برای محققان نمایان میسازد[1,3].
اما پیادهسازی سیستمهای پیشنهاددهنده در محیطهای سیار بدون درنظرگرفتن پارامترهای تاثیرگذار در این محیط چندان مناسبنخواهدبود. مجموعه این پارامترها، اطلاعات زمینه را تشکیل می دهند [6].
عملکرد سیستمهای پیشنهاددهنده معرفی منابع مورد نیاز کاربران به آنهاست. این منابع میتوانند مواردی مانند اطلاعات خاص مورد نیاز کاربر و یا کالاهایی مانند کتاب یا فیلم مورد علاقه یک کاربر را از میان انبوه کالاهایی که کاربر با اطلاعات آنها روبروست، دربرگیرند[7,8,9]. درسیستمهای پیشنهاددهنده، سه مجموعه داده اصلی یعنی مجموعه کاربران ©، مجموعه اقلام قابل توصیه(S) (مانند کتاب، فیلم، موسیقی و غیره) و مجموعه داده هایی که رابطه میان دو مجموعه قبلی را تعریف می کنند، وجوددارند. مجموعهS می تواند شامل صدها، هزارها و حتی میلیونها کالا در کاربردهای مختلف بوده و بهطور مشابه مجموعه C نیز می تواند چنین وضعیتی را داشته باشد. ارتباط میان دو مجموعهC و S مبتنی بر ساختار امتیازگذاری است که میزان مفید بودن یا مورد علاقه بودن کالا را برای کاربر مشخص می کند. این ارتباط با تابعی تحت عنوان تابع سودمندی، u، به صورت رابطه زیر تعریف میشود.
که در آن Ratings، مجموعه مرتبی مانند اعداد صحیح غیرمنفی یا مجموعه اعداد حقیقی در بازهای معین میباشد.
در سیستمهای پیشنهاددهنده مقادیر u معمولاً فقط بر روی زیر مجموعه ای از دامنه C×S تعریفشدهاست و نه بر تمام آن و قسمت های نامشخص این دامنه را باید با استفاده از داده های موجود بهصورت تخمینی مشخص نمود. هدف نهایی سیستمهای توصیهکننده با ارائه پیشنهاد اقلام با بالاترین امتیازات تخمینی به کاربران محقق میشود بهطوریکه برای هر کاربر ، اقلام با حداکثر میزان سودمندی انتخاب و معرفی میگردد[7].
تا به امروز روشهای پیشنهاددهی زیادی ارائه شدهاست که این روشها و متدولوژیها در دستهبندیهای زیر قرار میگیرند[7,9,10]:
– مبتنی بر محتوا[1] : در این گروه از روشها، عمل پیشنهاددهی با بهره گرفتن از یافتن اقلامی انجام میگیرد که بیشترین تشابه را با اقلامی داشته باشند که در
این مطلب را هم بخوانید :
گذشته موردعلاقه کاربر بوده اند. به عبارت دیگر u(c,s)، سودمندی کالای s برای کاربر c، بر اساس کلیه مقادیر موجود u(c,si) هایی که si مشابه به s بوده و si جزء کالاهای مورد علاقه کاربر هستند، برآورد میشود.
– فیلترسازی مشارکتی : در این گروه از روشها، عمل پیشنهاددهی با بهره گرفتن از یافتن اقلامی انجام میگیرد که مورد علاقه کاربران با سلایق مشابه کاربر بوده اند. کاربران با سلایق مشابه یعنی کاربرانی که اقلام یکسانی را امتیازدهی مشابه کرده باشند. بهعبارت دیگر u (c, s) بر اساس مقادیر موجودu(cj ,s) بدست میآید که cj کاربران مشابه با c میباشند.
– مدل ترکیبی[2]: روشهایی که دو روش مبتنیبرمحتوا و فیلترسازی مشارکتی را ترکیب می کنند و به این صورت از مزایای هر دو روش در جهت شناسایی و معرفی کالاها بهره میگیرند.
در نگاهی دیگر روشهای پیشنهاددهی، اعم از مبتنی بر محتوا و فیلترسازی مشارکتی به دو دسته روشهای مبتنی بر حافظه[3]و مبتنی بر مدل[4] تقسیم میشوند. درمقایسه با الگوریتمهای مبتنی بر حافظه، الگوریتمهای مبتنی بر مدل، با بهره گرفتن از روشهای یادگیری ماشین[5] مدلی را با بهره گرفتن از مجموعه امتیازات موجود ایجاد کرده و از آن بهمنظور پیشگویی امتیازات استفاده می کنند[7,10,11].
1-2 موضوع تحقیق
موضوع این تحقیق، ارائه روشی برای پیشنهاددهی آگاه از زمینه در تجارت سیار میباشد. با پیدایش تکنولوژی بیسیم در عرصه اینترنت و استفاده روزافزون از وسایل سیار، پیادهسازی سیستمهای پیشنهاددهنده در محیطهای سیار با توجه به محدودیتهای خاص آن چون هزینهبر بودن زمان اتصال و تبادل داده، محدودیت پهنای باند، کیفیت پایین اتصال و محدودیتهای ورودی و خروجی وسایل سیار، نیاز به بررسی بیشتر را در جهت ارائه اطلاعات مرتبطتر و شخصیسازیشدهتر میطلبد. بررسی تاثیر اطلاعات زمینه بهعنوان شرایط و محیط دربرگیرنده کاربر و بهعنوان اطلاعاتی که بر فرایند تصمیم گیری وی تاثیرگذارند، برخروجی اینگونه کاربردها، مسالهای است که در این تحقیق مورد بررسی قرار گرفتهاست.
1-3 پیشینه تحقیق
ظهور تکنولوژیهای بیسیم و استفاده رو بهافزایش وسایل سیار، فرصتهای زیادی را پیش روی کاربردهای تجارت الکترونیک قراردادهاست. با توجه به محدودیتهای خاص محیطهای سیار، ارائه اطلاعات بهصورت