تعاونی نیرومندسازی تحقیقات جامع ترین مرجع دانلود تحقیق، مقاله، سمینار و پایان نامه
دانلود نمونه پروپوزال کارشناسی ارشد
عنوان : طراحی سيستم توصيه‌گر ترکيبی با استفاده از تکنولوژیهای وب معنايی و شبکه اجتماعی
Title: A Hybrid Recommender System Using Semantic Web and Social Network Technologies
1- چکيده
با افزایش سریع اطلاعات، به سيستمي که با دادن پيشنهادات مناسب با نیاز یک کاربر (پیشنهادات شخصی سازی شده)، او را از مرور تمام آیتمها بازدارد، احساس نياز مي‌شود. امروزه سعی در ساخت “سيستمي توصيه‌گر” با درصد خطاي کم و سرعت بالا در تمام شرايط به يکي از پرطرفدارترين حوزههاي تحقيقاتي دانشگاهي تبديل شده است. به‌دليل درصد خطاي بالای به‌کارگيري تنها يک روش پايهاي در ساخت اين گونه سيستم، اکثر اوقات جهت پياده‌سازي آن از ترکيب چندين روش استفاده مي‌شود. در اين تحقيق ما سعي در مدل نمودن معنايي رفتارِ کاربر (در کنار صرفاً نرخدهی خام کاربر به آيتم‌ها) جهت ثبت نيازهاي اطلاعاتي وي داريم. در مدل کردن معنايي رفتارِ کاربر سعي در گسترش پروفايل وي با استفاده از رفتار و علايق کاربران مشابه او و در نتيجه افزايش صحت پيشنهادها مي‌شود. روش فوق تعاملِ ضمني کاربر را جهت ثبت علايقِ طولاني مدت نيز استفاده ميکند. در اين تحقيق همچنين از تکنولوژي نوین شبکههاي اجتماعي جهت تکميل پروفايل کاربر و شناسايي کاربران مشابه، و نیز از معانی تگهای کاربر، استفاده خواهد شد. در واقع نوآوري تحقيق حاضر به اين ترتيب است که با ترکيب تکنولوژيهاي فوق‌الذکر در صدد جلوگيري از مشکلاتي چون “شروع آهسته”، و به‌طور کلي “پراکندگي داده‌ها” خواهد بود. از مجموعه داده‌هاي تراکنش‌های سایت Epinions.com و نیز از اطلاعات تکمیلی موجود در سايتهایی چون آمازون يا کتابخانه کنگره و …. جهت ارزيابي کارآيي روش پيشنهادي با الگوريتم‌هاي مرزهاي دانش استفاده خواهد شد.
کلمات کليدي: سيستم توصيه‌گر، حل شروع آهسته، وب معنايي، FOAF، شبکه اجتماعي، استنتاج وقایع از Log
2- بيان مسئله
2-1- مسئله اصلي تحقيق:
سيستم توصيه گر سيستمي است که به کاربران در انتخاب بهتر محصول مورد نظرشان کمک ميکند. ما در دنيايي با حجم عظيم اطلاعات و جزييات بسيار از آيتمهاي توليدي زندگي ميکنيم. در يک چنين محيطي در نظر گرفتن خصوصيات حداقل ده‌ها نوع محصول جهت انتخاب نزديکترين آنها به علايق شخصي، براي يک کاربر انساني کاري بس دشوار و وقتگير است. بنابراين چگونگي طراحي يک سيستم که با دادن پيشنهادات شخصي يک کاربر او را به انتخاب بهتر و سريعتر محصول مورد نظرش کمک کند، امروزه به يک زمينه تحقيقاتي پر طرفدار تبديل شده است.
به‌طور معمول، يک سيستم توصيه‌گر که پروفايل کاربر را با برخي ويژگيهاي مرجع مقايسه ميکند، به دنبال پيشبيني نرخ يک کاربر به آيتمي است که هنوز در نظر گرفته نشده است [Shi12]. سيستم توصيه‌گر با تحليل رفتار کاربر خود اين نرخ را بدست آورده و سپس اقدام به پيشنهاد مناسبترين اقلام (داده، اطلاعات، کالا و …) مينمايد.
سيستم توصيه‌گر به عنوان يک سيستم ابتکاري که اطلاعات مفيد را پيشنهاد ميدهد و ميتواند در دامنههاي گوناگون بکار رود، در نظر گرفته مي‌شود[Mei11].
سيستمهاي توصيه‌گر براساس تخمين نرخ و چگونگي پيشنهادات به چهار دسته تقسيم ميشوند:
توصيه‌گر براساس محتوا
o به کاربری که یک کتاب را در گذشته دیده و یا خریده است، کتب با محتوای مشابه را میتوان پیشنهاد داد.
توصيه‌گر همبستگي يا اشتراکي
o ایده: اگر کاربران علایق یکسانی در گذشته داشتهاند -برای نمونه، اگر آنها کتاب یکسانی را دیدهاند یا خریدهاند- آنها سلیقههای مشابهی در آینده خواهند داشت.
روش دانشمحور
o استفاده از دانش خارج از سیستم در مواردی که نمیتوان تنها بر پیشینه خریدها تکیه کرد.
توصیهگر ترکيبي
در اينگونه سيستمها، محاسبهي ميزان شباهت کالا با کاربر و کاربر با کاربر، از اهميت زيادي برخوردار است.
2-2- تشريح و بيان موضوع:
در اين تحقيق، يک سيستم توصيه‌گر جديد طراحي خواهد شد؛ و همچنين در جهت حل مشکل “شروع آهسته” نيز تلاش خواهد شد. در اين سيستم لايههاي معنايي و شبکه اجتماعي در پس لايه اشتراکي وجود دارد. در واقع، ترکيب پيشنهادات اشتراکي و معنايي و اجتماعي و استفاده از وقایع نهفته در Log سیستم، نکته اصلي اين پروپوزال است.
در قسمت معنايي، عمدتا از اسناد FOAF کاربران براي تکميل پروفایل آنها و بدست آوردن همسايگان مشابه هر کاربر، استفاده مي‌شود.
در اين سيستم، همچنين سعي بر استفاده از Log سيستم براي استنتاج رفتار کاربر و بروزآوري پروفايل او خواهد بود. همچنين ميتوان دليل اقدام به نرخگذاري يک محصول توسط يک کاربر، مانند پيشنهاد کاربر دوست او، را از طريق Log سيستم پيگيري کرد.
فایل Microsoft Word
12 صفحه
