مهندسی نرم افزار یک روش چندبعدی برای پیشنهاد دهنده های آگاه از زمینه ... |
2-4 فناوریهای تجارت سیار…………………….. 16
2-5 استانداردهای بیسیم……………………… 18
2-6 بستر پیادهسازی کاربردهای تجارت سیار ………………. 19
2-6-1 زبانهای برنامه نویسی موبایل………………………. 22
2-7 جمعبندی………………………. 23
فصل سوم: زمینه3-1 مقدمه……………………… 25
3-2 زمینه……………………… 26
3-2-1 تعاریف پارامتریک……………………….. 26
3-2-2 تعاریف کلی………………………. 27
3-3 دسته بندی اطلاعات زمینه……………………… 28
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
یک مطلب دیگر :
پایان نامه رهن دریایی//اهمیت بیمه در رهن دریایی
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 si مشابه به s بوده و si جزء 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 cj کاربران 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].
فرم در حال بارگذاری ...
[جمعه 1399-08-09] [ 04:53:00 ب.ظ ]
|