پایان نامه درمورد فیلترینگ، اشتراکی، پیشنهادگر

در رشته :
مهندسی کامپیوتر – هوش مصنوعی
از دانشگاه شیراز
شیراز
جمهوری اسلامی ایران
ارزیابی شده توسط کمیته پایان نامه با درجه :
دکتر منصور ذوالقدری، استاد بخش مهندسی و علوم کامپیوتر (رئیس کمیته)…………………
دکتر علی حمزه، استادیار بخش مهندسی و علوم کامپیوتر…………………………….
دکتر اقبال منصوری، استادیار بخش مهندسی و علوم کامپیوتر…………………………….
شهریور 1392
چکیده
استفاده ازکاربرانی با دقت پیشگویی بالا در سیستمهای فیلترینگ اشتراکی
به کوشش
نیلوفر راستین
سیستمهای پیشنهادگر ابزارهای نرم افزاری و تکنیکهایی هستند که اقلام را مطابق با نیاز کاربر به او معرفی میکنند. روشهای محتوا محور و فیلترینگ اشتراکی از راهکارهای موفق در سیستمهای پیشنهادگر میباشند. روش محتوا محور بر اساس ویژگیهای اقلام تعریف میشود. این روش بررسی میکند که اقلام مورد علاقه کاربر دارای چه ویژگیهایی بودهاند، سپس اقلام دارای ویژگیهای مشابه را به او پیشنهاد میکند. روش فیلترینگ اشتراکی بر اساس تعیین اقلام مشابه یا کاربران مشابه کار میکند که به ترتیب فیلترینگ اشتراکی مبتنی بر اقلام و مبتنی بر کاربران نامیده میشود. در این پایان نامه یک روش تلفیقی از روشهای فیلترینگ اشتراکی و محتوا محور ارائه شده است. این روش میتواند به عنوان روش فیلترینگ اشتراکی مبتنی بر کاربر در نظر گرفته شود. به این صورت که به منظور یافتن کاربرانی با سلیقه مشابه با کاربر فعال به عنوان کاربرانی با دقت پیشگویی بالا از ویژگیهای مربوط به محتوای اقلام برای افزایش تاثیر امتیازهایی که توسط کاربران به اقلام مشابه تخصیص داده شده است استفاده میکند. به بیان دیگر دو کاربر مشابه هستند در صورتی که امتیازهایی که به اقلامی که از نظر محتوا مشابه هستند نسبت دادهاند، همسان باشند. برای این منظور در هنگام سنجیدن شباهت دو کاربر، به امتیاز نسبت داده شده به هر قلم، با توجه به میزان شباهت آن به قلم هدف، وزن تخصیص مییابد.
فهرست مطالب
عنوان صفحه
فصل 1 : مقدمه……………………………………………………………………………………………………………………………1
1-1- پیشگفتار…………………………………………………………………………………………………………………………….2
1-2- موتورهای جستجوگر…………………………………………………………………………………………………………2
1-2-1- موتورهای جستجوگر پیمایشی……………………………………………………………………………………..3
1-2- 2- فهرستهای تکمیل دستی…………………………………………………………………………………………..3
1-2-3- موتورهای جستجوگر ترکیبی………………………………………………………………………………………..4
1-2-4- ابرجستجوگرها……………………………………………………………………………………………………………….4
1-3- سیستمهای پیشنهادگر……………………………………………………………………………………………………..5
1-3-1- سیستم پیشنهادگر بر اساس فیلترینگ اشتراکی…………………………………………………………7
1-3-2- سیستم پیشنهادگر بر اساس محتوا………………………………………………………………………………8
1-3-3- سیستم پیشنهادگر بر اساس آمار گیری……………………………………………………………………….8
1-3-4- سیستم پیشنهادگر بر اساس سود…………………………………………………………………………………9
1-3-5- سیستم پیشنهادگر بر اساس دانش………………………………………………………………………………9
1-3-6- سیستم پیشنهادگر ترکیبی…………………………………………………………………………………………..9
1-4- بررسی سایت MovieLens…………………………………………………………………………………………..10
1-5- اهداف پایان نامه……………………………………………………………………………………………………………..13
1-6- ساختار پایان نامه…………………………………………………………………………………………………………….14
فصل 2 : روش فیلترینگ اشتراکی……………………………………………………………………………………………15
2-1- پیشگفتار………………………………………………………………………………………………………………………….16
2-2- مروری بر کارهای انجام شده در این راستا……………………………………………………………………..16
2-3- مبانی فیلترینگ اشتراکی………………………………………………………………………………………………..21
2-4- وظایف فیلترینگ اشتراکی…………………………………………………………………………………………….22
2-4-1- پیشنهاد……………………………………………………………………………………………………………………….23
2-4-2- پیشبینی…………………………………………………………………………………………………………………….23
2-5- دسته بندی متدهای فیلترینگ اشتراکی……………………………………………………………………….23
2-5-1- فیلترینگ اشتراکی مبتنی بر حافظه…………………………………………………………………………24
2-5-1-1- فیلترینگ اشتراکی مبتنی بر حافظه با پیشبینی بر اساس کاربران…………………….25
2-5-1-2- فیلترینگ اشتراکی مبتنی بر حافظه با پیشبینی بر اساس اقلام…………………………25
2-5-1- 3- تفاوت فیلترینگ اشتراکی بر اساس کاربران و بر اساس اقلام……………………………..26
2-5-2- فیلترینگ اشتراکی مبتنی بر مدل……………………………………………………………………………..26
2-6- نحوه تشخیص علائق کاربران………………………………………………………………………………………….27
2-6-1- تشخیص علائق به صورت صریح…………………………………………………………………………………27
2-6-2- تشخیص علائق به صورت ضمنی……………………………………………………………………………….27
2-7- محاسبه شباهت……………………………………………………………………………………………………………….28
2-7-1- معیار همبستگی پیرسون……………………………………………………………………………………………28
2-7-2- معیار اندازهگیری کسینوس………………………………………………………………………………………..29
2-8- انتخاب همسایه……………………………………………………………………………………………………………….30
2-8-1- استفاده از حد آستانه………………………………………………………………………………………………….30
2-8-2- انتخاب تعداد ثابتی از همسایگان……………………………………………………………………………….30
2-9- پیشبینی و تخمین رتبه…………………………………………………………………………………………………31
2-9-1- استفاده از امتیازهای خام……………………………………………………………………………………………31
2-9-2- استفاده از امتیازهای نرمال شده………………………………………………………………………………..31
2-10- مشکلات فیلترینگ اشتراکی………………………………………………………………………………………..32
2-10-1- پراکنده بودن داده…………………………………………………………………………………………………….32
2-10-2- مقیاس پذیری………………………………………………………………………………………………………….32
2-10-3- اقلام مشابه……………………………………………………………………………………………………………….33
2-10-4- گریشیپ…………………………………………………………………………………………………………………33
2-11- بررسی چگونگی کارکرد سایت آمازون…………………………………………………………………………33
فصل 3 : روش محتوا محور………………………………………………………………………………………………………36
3-1- پیشگفتار………………………………………………………………………………………………………………………….37
3-2- روند کار روش محتوا محور……………………………………………………………………………………………..37
3-2-1- تحلیلگر محتوا…………………………………………………………………………………………………………..38
3-2-2- یادگیرنده نمایه …………………………………………………………………………………………………..39
3-2-3- جزء فیلترینگ…………………………………………………………………………………………………………….42
3-3- مزایای روش محتوا محور………………………………………………………………………………………………..42
3-3-1- استقلال کاربر……………………………………………………………………………………………………………..42
3-3-2-

مطلب مرتبط :   پایان نامه درموردبهره بردار

دیدگاهتان را بنویسید