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
سایت خوبی دارین به ماهم سر بزنین