3-4 آگاهی از زمینه……………………… 31
3-5 طراحی زمینه……………………… 32
3-6 جمعبندی………………………. 33
فصل چهارم: سیستمهای پیشنهاددهنده
4-1 مقدمه……………………… 35
4-2 بررسی عملکرد سیستمهای پیشنهاددهنده…………………….. 36
4-2-1 روشهای مبتنی بر محتوا…………………….. 38
4-2-1-1 مشکلات و محدودیتهای روشهای مبتنی بر محتوا …………. 41
4-2-2 روشهای فیلترسازی مشارکتی………………………. 42
4-2-2-1 مشکلات و محدودیتهای روشهای فیلترسازی مشارکتی………. 46
4-2-3 روشهای ترکیبی………………………. 48
4-3 ارزیابی سیستمهای پیشنهاددهنده…………………….. 49
4-4 بسط قابلیتهای سیستمهای پیشنهاددهنده…………………….. 51
4-4-1 شرکتدادن شناختی جامع از کاربران و اقلام در فرآیند پیشنهاددهی……. 51
4-4-2 امتیازگذاری چندمعیاری………………………. 52
4-4-3 پیشنهاددهنده های غیرتداخلی………………………. 53
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 تصمیمگیری 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 استفاده 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 استفاده 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 میکند.
فصل اول: مقدمه
1-1- مقدمه
سیستمهای پیشنهاددهنده در تجارت سیار از جمله موضوعات پراهمیت سالهای اخیر بودهاند 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 میدهند [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 دادههایی که رابطه میان دو مجموعه قبلی را تعریف میکنند، وجوددارند. مجموعهS میتواند شامل صدها، هزارها و حتی میلیونها کالا در کاربردهای مختلف بوده و بهطور مشابه مجموعه C نیز میتواند 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 مجموعهای از دامنه C×S تعریفشدهاست و نه بر تمام آن و قسمت های نامشخص این دامنه را باید با استفاده از دادههای 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 استفاده از یافتن اقلامی انجام میگیرد که بیشترین تشابه را با اقلامی داشته باشند که درگذشته موردعلاقه کاربر بودهاند. به عبارت دیگر u(c,s)، سودمندی کالای s برای کاربر c، بر اساس کلیه مقادیر موجود u(c,si) هایی که siمشابه به s بوده و siجزء کالاهای مورد علاقه کاربر هستند،برآورد میشود.
– فیلترسازی مشارکتی : در این گروه از روشها، عمل پیشنهاددهی با استفاده از یافتن اقلامی انجام میگیرد که مورد علاقه کاربران با سلایق مشابه کاربر بودهاند. 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 cjکاربران مشابه با c میباشند.
– مدل ترکیبی[2]: روشهایی که دو روش مبتنیبرمحتوا و فیلترسازی مشارکتی را ترکیب میکنند 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 استفاده از روشهای یادگیری ماشین[5] مدلی را با استفاده از مجموعه امتیازات موجود ایجاد کرده و از آن بهمنظور پیشگویی امتیازات استفاده میکنند[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 تصمیمگیری 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 شخصیسازیشدهتر و سفارشیشدهتر یکی از اهداف مهم کاربردهای تجارت سیار است. درنظرگرفتن اطلاعات زمینه بهعنوان شرایط و محیط دربرگیرنده کاربر و بهعنوان اطلاعاتی که بر فرایند تصمیمگیری وی تاثیرگذارند، در ارائه خروجی اینگونه کاربردها از جمله مواردی است که میتوان از آن در جهت ارائه اطلاعات مرتبطتر به کاربران بهره گرفت.
سیستمهای پیشنهاددهنده همواره از جمله موضوعات پر اهمیت در حوزه تجارت الکترونیک بودهاست. سیستمهای پیشنهاددهنده سیار آگاه از زمینه در آغاز راه هستند. دسته مهمی از سیستمهای آگاه از زمینه را سیستمهای آگاه از مکان تشکیل میدهند. یانگ، چنگ، و دایا[12]، یک سیستم پیشنهاددهنده آگاه از مکان برای محیطهای سیار ارائهدادهاند که هدف آن توصیه وبسایت فروشندگان با در نظرگرفتن علایق و پیشفرضهای مشتری و همچنین فاصله مکانی وی با مکان فیزیکی مشخصشده در وبسایتها میباشد. در روش مزبور، دو فاکتور فوق بهطور جداگانه محاسبه شده و سپس بر اساس ترکیبی از آنها به پیشنهاد وبسایتها پرداخته میشود. یکی دیگر از این نوع سیستمها پروکسیمو[13] است که یک سیستم پیشنهاددهنده آگاه از مکان برای محیطهای داخلی چون موزهها و گالریها است. این سیستم بر اساس علایق و پیشفرضهای کاربر به پیشنهاد اقلام پرداخته و مکان اقلام را بر روی نقشهای بر روی وسیله همراه کاربر نمایش میدهد.
استفاده از سایر اطلاعات زمینهای علاوهبر مکان نیز مورد توجه توسعهدهندگان این نوع سیستمها قرارگرفتهاست. پخش موسیقی یکی از حوزههای کاربردی پرمصرف در میان کاربران سیار میباشد و به همین دلیل استفاده از پیشنهاددهندههای آگاه از زمینه در این حوزه مورد توجه قرارگرفته است. از آنجایی که تاثیر موسیقی بر روح و جسم انسان ثابت شدهاست، انتخاب موسیقی با توجه به شرایط میتواند وضعیت دوستداشتنیتری را فراهمکند و افراد را در انجام فعالیتهایشان یاری رساند. مثلاً موسیقی میتواند کارایی فرد را در حال انجام تمرینات فیزیکی بهبود بخشد، اضطراب را کاهش دهد و میزان یادگیری را بهبود بخشد. [14] یکی از تحقیقاتی است که در این حوزه ارائهشدهاست. در این تحقیق علاوهبر بررسی روشهای فیلترسازی مبتنیبر زمینه ومرورپیشنهاددهندههای سیار آگاه از زمینه موسیقی، پیشنهاددهنده سیار آگاه از زمینه AndroMedia ارائه شدهاست. پیشنهادات با توجه به زمینه جاری کاربر که با استفاده از حسگرهای بلوتوث در سمت برنامه مشتری بدست میآیند و همچنین سلایق کاربر تهیه میشوند. همچنین در مرجع [15] نیز پیشنهاددهی آگاه از زمینه موسیقی در محیطهای سیار مورد بررسی قرارگرفتهاست. در تحقیق پارک، یو و چو[16] نیز یک سیستم آگاه از زمینه موسیقی با استفاده از شبکههای بیزین فازی و تئوری سودمندی ارائهشدهاست. فرایند پیشنهاددهی تحلیل شده و سودمندی آن مورد ارزیابی قرارگرفتهاست.
گردشگری نیز یکی از حوزههای جذاب برای پیادهسازی پیشنهاددهندههای سیار آگاه از زمینه میباشد. امروزه گردشگران انتظار دارند که دسترسی شخصی به اطلاعات گردشگری در هر زمان، هر مکان و در هر شرایطی را داشتهباشند. راهنماهای گردشگری سیار، چنین اطلاعاتی را در اختیار کاربران قرار میدهند. در مرجع [17] خلاصهای از کارهای انجامشده در زمینه راهنماهای گردشگری سیار تحت وب انجام گرفتهاست. همچنین در مرجع[18] تاثیر آگاهی از زمینه در سیستمهای اطلاعاتی گردشگری سیار مورد بررسی قرار گرفتهاست. در [19] نیز یک کاربرد توریستی سیار با نام COMPASS ارائهشدهاست. در این تحقیق به بررسی ترکیب آگاهی از زمینه با سیستمهای پیشنهاددهنده پرداخته شدهاست. پارامترهای زمینهای این تحقیق شامل زمان و مکان میباشند. این سیستم خدمات خود را با نیازهای کاربر که بر اساس علایق و زمینه جاری وی مشخص میشود، تطبیق میدهد.
[چهارشنبه 1399-10-17] [ 06:23:00 ب.ظ ]
|