دانلود نمونه پروپوزال کارشناسی ارشد: طراحی سیستم توصیه‌گر ترکیبی با استفاده از تکنولوژی‏های وب معنایی و شبکه اجتماعی

دانلود نمونه پروپوزال کارشناسی ارشد
عنوان : طراحی سیستم توصیه‌گر ترکیبی با استفاده از تکنولوژی‏های وب معنایی و شبکه اجتماعی
Title: A Hybrid Recommender System Using Semantic Web and Social Network Technologies
1- چکیده
با افزایش سریع اطلاعات، به سیستمی که با دادن پیشنهادات مناسب با نیاز یک کاربر (پیشنهادات شخصی‏سازی‏شده)، او را از مرور تمام آیتم‏ها بازدارد، احساس نیاز می‌شود. امروزه سعی در ساخت “سیستمی‏ توصیه‏گر” با درصد خطای کم و سرعت بالا در تمام شرایط به یکی از پرطرفدارترین حوزه‏های تحقیقاتی دانشگاهی تبدیل شده است. به‌دلیل درصد خطای بالای به‌کارگیری تنها یک روش پایه‏ای در ساخت این گونه سیستم‏، اکثر اوقات جهت پیاده‌سازی آن از ترکیب چندین روش استفاده می‏شود. در این تحقیق ما سعی در مدل نمودن معنایی رفتارِ کاربر (در کنار صرفاً نرخ‏دهی خام کاربر به آیتم‌ها) جهت ثبت نیازهای اطلاعاتی وی داریم. در مدل کردن معنایی رفتارِ کاربر سعی در گسترش پروفایل وی با استفاده از رفتار و علایق کاربران مشابه او و در نتیجه افزایش صحت پیشنهادها می‌شود. روش فوق تعاملِ ضمنی کاربر را جهت ثبت علایقِ طولانی مدت نیز استفاده می‏کند. در این تحقیق هم‌چنین از تکنولوژی نوین شبکه‏های اجتماعی جهت تکمیل پروفایل کاربر و شناسایی کاربران مشابه، و نیز از معانی تگ‏های کاربر، استفاده خواهد شد. در واقع نوآوری تحقیق حاضر به این ترتیب است که با ترکیب تکنولوژی‏های فوق‌الذکر در صدد جلوگیری از مشکلاتی چون “شروع آهسته”، و به‌طور کلی “پراکندگی داده‌ها” خواهد بود. از مجموعه داده‌های تراکنش‌های سایت Epinions.com و نیز از اطلاعات تکمیلی موجود در سایت‏هایی چون آمازون یا کتابخانه کنگره و …. جهت ارزیابی کارآیی روش پیشنهادی با الگوریتم‌های مرزهای دانش استفاده خواهد شد.

کلمات کلیدی: سیستم توصیه‏گر، حل شروع آهسته، وب معنایی، FOAF، شبکه اجتماعی، استنتاج وقایع از Log
2- بیان مسئله
۲-۱- مسئله اصلی تحقیق:
سیستم توصیه‏گر سیستمی است که به کاربران در انتخاب بهتر محصول مورد نظرشان کمک می‏کند. ما در دنیایی با حجم عظیم اطلاعات و جزییات بسیار از آیتم‏های تولیدی زندگی می‏کنیم. در یک چنین محیطی در نظر گرفتن خصوصیات حداقل ده‌ها نوع محصول جهت انتخاب نزدیک‏ترین آن‌ها به علایق شخصی، برای یک کاربر انسانی کاری بس دشوار و وقت‏گیر است. بنابراین چگونگی طراحی یک سیستم که با دادن پیشنهادات شخصی یک کاربر او را به انتخاب بهتر و سریع‏تر محصول مورد نظرش کمک کند، امروزه به یک زمینه تحقیقاتی پر طرفدار تبدیل شده است.
به‌طور معمول، یک سیستم توصیه‏گر که پروفایل کاربر را با برخی ویژگی‏های مرجع مقایسه می‏کند، به دنبال پیش‏بینی نرخ یک کاربر به آیتمی است که هنوز در نظر گرفته نشده است [Shi12]. سیستم توصیه‏گر با تحلیل رفتار کاربر خود این نرخ را بدست آورده و سپس اقدام به پیشنهاد مناسب‏ترین اقلام (داده، اطلاعات، کالا و …) می‏نماید.
سیستم توصیه‏گر به عنوان یک سیستم ابتکاری که اطلاعات مفید را پیشنهاد می‏دهد و می‏تواند در دامنه‏های گوناگون بکار رود، در نظر گرفته می‏شود[Mei11].
سیستم‏های توصیه‏گر براساس تخمین نرخ و چگونگی پیشنهادات به چهار دسته تقسیم می‏شوند:
 توصیه‏گر براساس محتوا
o به کاربری که یک کتاب را در گذشته دیده و یا خریده است، کتب با محتوای مشابه را می‏توان پیشنهاد داد.
 توصیه‏گر همبستگی یا اشتراکی
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 ترکیبی

در اینگونه سیستم‏ها، محاسبه‏ی میزان شباهت کالا با کاربر و کاربر با کاربر، از اهمیت زیادی برخوردار است.
۲-۲- تشریح و بیان موضوع:
در این تحقیق، یک سیستم توصیه‏گر جدید طراحی خواهد شد؛ و همچنین در جهت حل مشکل “شروع آهسته” نیز تلاش خواهد شد. در این سیستم لایه‏های معنایی و شبکه اجتماعی در پس لایه اشتراکی وجود دارد. در واقع، ترکیب پیشنهادات اشتراکی و معنایی و اجتماعی و استفاده از وقایع نهفته در Log سیستم، نکته اصلی این پروپوزال است.
در قسمت معنایی، عمدتا از اسناد FOAF کاربران برای تکمیل پروفایل آنها و بدست آوردن همسایگان مشابه هر کاربر، استفاده می‏شود.
در این سیستم، همچنین سعی بر استفاده از Log سیستم برای استنتاج رفتار کاربر و بروز‏آوری پروفایل او خواهد بود. همچنین می‏توان دلیل اقدام به نرخ‏گذاری یک محصول توسط یک کاربر، مانند پیشنهاد کاربر دوست او، را از طریق Log سیستم پیگیری کرد.

فایل Microsoft Word

12 صفحه