استفاده از خوشه بندی سلسله مراتبی برای بهبود پیشنهاد منابع مبتنی بر برچسب

الموضوعات : مجله فناوری اطلاعات در طراحی مهندسی

الهه ثابتنیا ¹ (دانشگاه آزاد اسلامی، واحد مشهد، گروه مهندسی کامپیوتر، مشهد، ایران)
مهرداد جلالی ² (دانشگاه آزاد اسلامی، واحد مشهد، گروه مهندسی کامپیوتر، مشهد، ایران)
سعید راحتی قوچانی ³ (دانشگاه آزاد اسلامی، واحد مشهد، گروه مهندسی برق، مشهد، ایران)

تاريخ الإرسال : 25 الثلاثاء , رمضان, 1438 تاريخ التأكيد : 25 الثلاثاء , رمضان, 1438 تاريخ الإصدار : 27 السبت , شوال, 1435

الکلمات المفتاحية: منبع, Ontology, برچسب, سیستم های پیشنهاد دهنده, هستیشناسی, شروع سرد, روش مبتنی بر مشارکت, روش مبتنی بر محتوا, سیستم برچسب زنی اجتماعی, Recommendation system, Tag, Cold start, Collaborative method, Content based method, Social tagging system,

ملخص المقالة :

اخیراً سیستم های برچسب زنی اجتماعی به صورت روز افزون متداول شده و در حال افزایش می باشد. این سیستم ها به کاربراناجازه می دهد تا منابع مورد نیاز خود را به صورت آزادانه سازماندهی، مدیریت و جستجو نمایند. از چالش های این نوع سیستم هامی توان به حجم بالای داده، داده ناسازگار، استفاده از الگوریتم های زمانبر یادگیری ماشین و عدم قابلیت اجرا و تطبیق در دنیایواقعی اشاره نمود. این چالش ها سبب افزایش روز افزون تحقیقات در سالهای اخیر شده است. راهکار این چالش ها سیستم هایپیشنهاد دهنده می باشد، به همین دلیل سیستم پیشنهاد دهندة منابع را بر اساس برچسب معرفی نموده ایم که توانا یی کمک به کاربردر انتخاب منبع مناسب و یکپارچه نمودن این منابع در بین تمام کاربران را پوشش می دهد. این سیستم به دل ی ل ترکی ب و یکپارچهنمودن روش های مبتنی بر محتوا، مبتنی بر مشارکت، کلمات مرتبط و پروفایل کاربر سبب حذف مشکل شروع - سرد در ابتدایکار سیستم می شود. اگر سیستم دارای هیچ اطلاعاتی نباشد و برای اولین بار اقدام به فعال ی ت نمای د، با استفاده از محتوای م نبع وکلمات مرتبط اقدام به ارائه پیشنهاد به کاربر می کند که این بزگترین مزیت سیستم می باشد . در ای ن سیستم، پیشنهادات بر اساسعلائق شخصی کاربر، علائق کاربران مشابه، محتوای منابع مورد نظر و پایگاه های اطلاعاتی مرتبط با هستی شناسی و کلمات مرتبطانجام می شود. ارزیابی سیستم پیشنهادی بر روی مجموعه دادة استخراج شده از سایت دلیشز انجام شده است. نتایج به دست آمده ازآزمایشها، بهبود صحت در ارائه پیشنهادات و کارایی این سیستم را در مقابل روش پیشنهاد ترکیبی تا 67 درصد افزایش می دهد.