ارائه پیشنهاد متناسب سلیقه کاربر توسط سیستم توصیه گر

وب به شكل گسترده وارد فضای خصوصی و عمومی افراد شده است و طبیعتا موضوعی كه با این گستردگی جامعه را تحت تاثیر قرار داده، از تمامی ابعاد باید مورد پژوهش قرار گیرد.

کنفرانس وب پژوهی در شرایطی كه جای پژوهش متمركز بر روی وب در كشور خالی بود با این هدف كه پژوهش های این حوزه را از ابعاد مختلف پوشش دهد و با توجه به بین رشته ای بودن موضوع وب، محلی برای هم اندیشی تمام اساتید و پژوهشگران متخصص در زمینه های مختلف فنی و غیر فنی وب باشد، به این حوزه ورود پیدا کرد.

این دوره در  در مجموع ١٦٠ مقاله دریافت شد ه دبیرخانه کنفرانس وب پژوهی ارسال شد که سیناپرس قصد دارد برخی از آنها را برای آگاهی علاقه مندان معرفی کند.

یک سیستم توصیه گر با ارائه پیشنهاد به کاربر کمک می کند تا در میان حجم عظیم اطلاعات سریع تر به هدف خود نزدیک شود. در سیستم های توصیه گر تلاش می شود که با حدس زدن شیوه تفکر کاربر از طریق اطلاعاتی که از نحوه رفتار او یا کاربران مشابه آنها وجود دارد، مناسب ترین و نزدیک ترین مورد به سلیقه کاربر شناسایی و پیشنهاد شود.

در سال های اخیر استفاده از اطلاعات کمکی، در کنار ماتریس امتیازات برای به دست آوردن ویژگی های نهان کاربران و آیتم ها مورد توجه قرار گرفته است. از طرف دیگر مدل های یادگیری عمیق توانایی بالایی در یادگیری بازنمایی مناسب ویژگی ها، به خصوص در مواقعی که با داده های انبوه خام سروکار داریم، از خود نشان داده اند.

در مقاله ای که تحت عنوان «استفاده از اطلاعات برچسب با مدل حافظه کوتاه مدت طولانی  برای بهبود عملکرد سیستم های توصیه گر فیلم به کاربران» به پنجمین کنفرانس وب پژوهی ارائه شد، با بهره گیری از اطلاعات برچسب گذاری انجام شده توسط کاربران، یک مدل برای سیستم توصیه گر با استفاده از شبکه حافظه کوتاه مدت طولانی ارائه شده است.

با توجه به اینکه برچسب ها اطلاعات کمکی را برای بازتاب ترجیحات کاربران و آیتم ها فراهم می کند کارایی سیستم های توصیه گر بهبود پیدا کرده است. نتایج تجربی حاصل از انجام آزمایش ها روی مجموعه داده واقعی MovieLens-20M برای معیار میانگین مجذور مربعات خطا مقدار 86/0 و برای معیار میانگین قدرمطلق خطا مقدار 68/0 را نشان می دهد که بیانگر بهبود خوبی نسبت به سایر روش ها است.

بر اساس این گزارش، مقاله «استفاده از اطلاعات برچسب با مدل حافظه کوتاه مدت طولانی  برای بهبود عملکرد سیستم های توصیه گر فیلم به کاربران» تالیف معصومه قربانی، کاظم فولادی قلعه و امیرحسین کیهانی پور از دانشکده مهندسی، پردیس فارابی، دانشگاه تهران است.

No tags for this post.