یک سیستم توصیه‌گر مبتنی بر اعتماد با استفاده از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات
الموضوعات : سامانه‌های پردازشی و ارتباطی چندرسانه‌ای هوشمندسجاد احمدیان 1 , محمدحسین اولیائی 2
1 - استادیار، دانشکده فناوری اطلاعات، دانشگاه صنعتی کرمانشاه، کرمانشاه، ایران
2 - استادیار، دانشکده مهندسی، مجتمع آموزش عالی گناباد، گناباد، ایران
الکلمات المفتاحية: سیستم‌های توصیه‌گر, اعتماد, الگوریتم فراابتکاری, بهینه‌سازی ازدحام ذرات, شروع سرد.,
ملخص المقالة :
سیستم‌های توصیه‌گر ابزارهای هوشمندی هستند که به کاربران کمک¬می‌کنند اطلاعات مورد نیاز خود را بر اساس علایق قبلی خود با صرف زمان کمتری نسبت به موتورهای جستجو پیداکنند. یکی از چالش‌های اصلی سیستم‌های توصیه‌گر تنکی ماتریس رتبه‌های کاربر-قلم می‌باشد. این چالش به این دلیل اتفاق¬می‌افتد که کاربران عمدتاً به تعداد کمی از اقلام موجود رتبه می‌دهند. سیستم‌های توصیه‌گر مبتنی بر اعتماد از روابط اعتماد بین کاربران به¬منظور کاهش مشکل تنکی ماتریس رتبه‌های کاربر-قلم استفاده¬می‌کنند. ایده اصلی این سیستم‌ها این است که وجود رابطه اعتماد بین دو کاربر نشان‌دهنده علایق مشابه آن دو کاربر می‌باشد. کارایی این سیستم‌ها به انتخاب درست کاربران همسایه برای کاربر هدف بر اساس میزان شباهت بین آن¬ها بستگی دارد. در این مقاله، یک سیستم توصیه‌گر مبتنی بر اعتماد جدید با استفاده از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات ارائه¬شده¬است. در این روش، ابتدا میزان شباهت بین کاربران بر اساس ماتریس رتبه‌های کاربر-قلم و روابط اعتماد محاسبه¬می‌گردد. سپس، از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات برای وزن‌دهی بهینه کاربران همسایه کاربر هدف استفاده¬می‌شود. به¬منظور بهبود الگوریتم بهینه‌سازی ازدحام ذرات از عملگرهای الگوریتم ژنتیک و الگوریتم بهینه‌سازی تولیدمثل تک¬جنسیتی مبتنی بر آشوب استفاده¬شده¬است. پس از وزن‌دهی بهینه کاربران همسایه، رتبه‌های نامشخص برای کاربر هدف پیش‌بینی¬می‌گردد. نتایج آزمایش¬ها بر روی یک مجموعه داده استاندارد کارایی بالای روش پیشنهادی را نسبت به سایر روشهای مقایسه¬شده، نشان¬میدهد.
[1] M. M. Bendouch, F. Frasincar, and T. Robal, "A visual-semantic approach for building content-based recommender systems," Information Systems, vol. 117, p. 102243, 2023/07/01/ 2023.
[2] A. Fareed, S. Hassan, S. B. Belhaouari, and Z. Halim, "A collaborative filtering recommendation framework utilizing social networks," Machine Learning with Applications, vol. 14, p. 100495, 2023/12/15/ 2023.
[3] C. Xu, Y. Zhang, H. Chen, L. Dong, and W. Wang, "A fairness-aware graph contrastive learning recommender framework for social tagging systems," Information Sciences, vol. 640, p. 119064, 2023/09/01/ 2023.
[4] G. Wang, H. Wang, J. Gong, and J. Ma, "Joint item recommendation and trust prediction with graph neural networks," Knowledge-Based Systems, vol. 285, p. 11, 2024.
[5] Y.-J. Gong, J.-J. Li, Y. Zhou, Y. Li, H. S.-H. Chung, Y.-H. Shi, et al., "Genetic learning particle swarm optimization," IEEE transactions on cybernetics, vol. 46, pp. 2277-2290, 2015.
[6] Y. Ar and E. Bostanci, "A genetic algorithm solution to the collaborative filtering problem," Expert Systems with Applications, vol. 61, pp. 122-128, 2016/11/01/ 2016.
[7] H. Ma, I. King, and M. R. Lyu, "Learning to recommend with social trust ensemble," presented at the Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval, Boston, MA, USA, 2009.
[8] H. Ma, H. Yang, M. R. Lyu, and I. King, "SoRec: social recommendation using probabilistic matrix factorization," presented at the Proceedings of the 17th ACM conference on Information and knowledge management, Napa Valley, California, USA, 2008.
[9] G. Guo, J. Zhang, and N. Yorke-Smith, "TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust and of Item Ratings," Proceedings of the AAAI Conference on Artificial Intelligence, vol. 29, 02/09 2015.
[10] M. Jamali and M. Ester, "A matrix factorization technique with trust propagation for recommendation in social networks," presented at the Proceedings of the fourth ACM conference on Recommender systems, Barcelona, Spain, 2010.
[11] P. Moradi, S. Ahmadian, and F. Akhlaghian, "An effective trust-based recommendation method using a novel graph clustering algorithm," Physica A: Statistical Mechanics and its Applications, vol. 436, pp. 462-481, 2015/10/15/ 2015.
[12] V. Agarwal and K. K. Bharadwaj, "Trust-Enhanced Recommendation of Friends in Web Based Social Networks Using Genetic Algorithms to Learn User Preferences," in Trends in Computer Science, Engineering and Information Technology, Berlin, Heidelberg, 2011, pp. 476-485.
[13] J. Bobadilla, F. Ortega, A. Hernando, and J. Alcalá, "Improving collaborative filtering recommender system results and performance using genetic algorithms," Knowledge-Based Systems, vol. 24, pp. 1310-1316, 2011/12/01/ 2011.
[14] T. H. Dao, S. R. Jeong, and H. Ahn, "A novel recommendation model of location-based advertising: Context-Aware Collaborative Filtering using GA approach," Expert Systems with Applications, vol. 39, pp. 37, 2012.
[15] M. T. Ribeiro, A. Lacerda, A. Veloso, and N. Ziviani, "Pareto-efficient hybridization for multi-objective recommender systems," presented at the Proceedings of the sixth ACM conference on Recommender systems, Dublin, Ireland, 2012.
[16] P. Bedi and R. Sharma, "Trust based recommender system using ant colony for trust computation," Expert Systems with Applications, vol. 39, pp. 1183-1190, 2012/01/01/ 2012.
[17] M. Wasid and V. Kant, "A Particle Swarm Approach to Collaborative Filtering based Recommender Systems through Fuzzy Features," Procedia Computer Science, vol. 54, pp. 440-448, 2015/01/01/ 2015.
[18] A. Farasat, M. B. Menhaj, T. Mansouri, and M. R. S. Moghadam, "ARO: A new model-free optimization algorithm inspired from asexual reproduction," Applied Soft Computing, vol. 10, pp. 1284-1292, 2010.
[19] X. Yuan, Y. Xiang, Y. Wang, and X. Yan, "Parameter identification of bidirectional IPT system using chaotic asexual reproduction optimization," Nonlinear Dynamics, vol. 78, pp. 2113-2127, 2014.
[20] R. Eberhart and J. Kennedy, "A new optimizer using particle swarm theory," in MHS'95. Proceedings of the sixth international symposium on micro machine and human science, 1995, pp. 39-43.
[21] P. Moradi and S. Ahmadian, "A reliability-based recommendation method to improve trust-aware recommender systems," Expert Systems with Applications, vol. 42, pp. 7386-7398, 2015.
[22] B. Yang, Y. Lei, J. Liu, and W. Li, "Social Collaborative Filtering by Trust," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 39, pp. 1633-1647, 2017.
