مقاله درباره مدل ترکیبی، بهبود عملکرد، شبکه اجتماعی

دانلود پایان نامه ارشد

نمی توان مقایسه دقیقی با سایر مدلهای موجود داشت .

3-2-5- مدل ارائه شده توسط O’Donovan

در تحقیق انجام شده توسط O’Donovan مقوله اعتماد به صورت متفاوتی تعریف و مورد استفاده قرار گرفته است [76]. در این تحقیق، شبکه اجتماعی بر اساس تشابه پروفایل کاربران ایجاد و استخراج میگردد نکته لازم به ذکر این است که این شبکه نمی تواند اطلاعاتی را که یک شبکه اعتماد تامین میکند را تولید کند. در این تحقیق دو سطح برای اعتماد در نظر گرفته شده است که سطح اول اعتماد در سطح پروفایل کاربران میباشد که در واقع یک معیار اعتبار سراسری در سطح شبکه کاربران است و سطح دوم اعتماد در سطح آیتمها میباشد که در آن یک کاربر بر اساس صحت و قابل اعتماد بودن نظراتش در خصوص آیتم های مختلف مورد اعتماد سایر کاربران قرار می گیرد و معیاری برای رابطه اعتماد مستقیم میان دو کاربر مطرح نمیباشد. از مقادیر اعتماد محاسبه شده، برای فیلتر نمودن کاربران نظر دهنده استفاده میگردد و پیشبینی امتیاز نهایی توسط تجمیع وزنی امتیازات این کاربران به آیتم هدف بر اساس ترکیب میزان اعتماد و تشابه انجام میپذیرد. در این مکانیزم از توزیع پذیری اعتماد استفاده نشده است و تنها اعتماد مستقیم مد نظر قرار گرفته است و می توان گفت این روش، یک روش سیستم توصیهگر مبتنی بر اعتماد نیست.

3-2-6- مدل TrustWalker

یکی دیگر از بهترین و بروزترین تحقیقات انجام شده در زمینه سیستمهای توصیهگر مبتنی بر اعتماد، مدل ارائه شده توسط Jamali از دانشگاه Simon Fraser کانادا میباشد. این مدل که تحت نام TrustWalker مطرح شده است [20] یک مدل توصیهگر ترکیبی است که از ترکیب شیوه پالایش گروهی مبتنی بر آیتم و مدلهای مبتنی بر اعتماد ایجاد شده است و سعی در تجمیع مزایای هر دو روش و کاهش نقایص هر کدام به تنهایی دارد.
در این مدل برای پیش بینی امتیاز کاربر مبدا u به آیتم هدف i چندین پیمایش تصادفی90 که همگی از کاربر مبدا u آغاز خواهند شد در شبکه اعتماد میان کاربران، صورت میگیرد که در هریک از آنها سعی میشود تا کاربری که دارای امتیاز به آیتم i یا آیتمی شبیه آیتم i میباشد یافته شود و نظر او به عنوان نتیجه اجرای یک پیمایش تصادفی بازگردانده شود. چندین پیمایش تصادفی اجرا میگردد و از تجمیع نتایج آنها پیشبینی امتیاز نهایی کل الگوریتم به آیتم i مشخص خواهد شد.
همان طور که پیشتر از این نیز بیان شد یکی از مسائل مهم و اصلی در سیستمهای توصیهگر مبتنی بر اعتماد، حداکثر عمق حرکت در شبکه اعتماد میان کاربران میباشد چراکه میان دقت و درصد پوشش رابطهای معکوس وجود دارد به این مضمون که هرچه در شبکه اعتماد پیشروی شود امکان یافتن افرادی که به آیتم مورد نظر امتیاز داده باشند بیشتر خواهد شد که این مسئله باعث افزایش درصد پوشش میگردد ولی در مقابل با دورتر شدن از کاربر مبدا اعتماد به نظرات کاربران نظر دهنده کاهش مییابد که این امر میتواند باعث کاهش چشمگیر دقت گردد. در این مدل جهت حل مطلب فوق سعی شده است که توازنی میان دقت و درصد پوشش ایجاد گردد به این معنی که نظرات کاربران نزدیک، در خصوص آیتم های مشابه آیتم هدف که دارای اعتماد بیشتری نزد کاربر مبدا می باشند به نسبت نظر کاربرانی که در فواصل دور قراردارند ولی دقیقا به آیتم هدف امتیاز دادهاند از ارزش و اعتبار بیشتری برخوردار است لذا این امر زمینه ساز ترکیب روش پالایش گروهی مبتنی بر آیتم و مکانیزم مبتنی بر اعتماد گردیده است.

3-2-6-1- ساختار مدل TrustWalker

در این مدل از پیماش تصادفی برای حرکت در شبکه اعتماد میان کاربران استفاده شده است که نه تنها نظرات کاربران در خصوص آیتم هدف را مد نظر قرار میدهد بلکه نظرات ایشان در خصوص آیتمهای مشابه را نیز مد نظر قرار میدهد. در این روش دو مولفه اصلی وجود دارد که عبارتند از:
اجرای پیمایش تصادفی بر روی شبکه اعتماد میان کاربران
انتخاب احتمالی آیتم ها بر اساس تشابه آنها با آیتم هدف
بخش اول وظیفه حرکت در میان شبکه اعتماد را بر عهده دارد و بخش دوم توجه خود را به یافتن آیتمهای مشابه آیتم هدف و امتیازات آنها معطوف میدارد تا از حرکت بیش از حد در عمق شبکه جلوگیری شود بنابراین این مدل با در نظر گرفتن کاربران نظر دهنده در فواصل نزدیک باعث بهبود دقت و همچنین با در نظر گرفتن آیتمهای مشابه آیتم هدف علاوه بر خود آیتم هدف، باعث بهبود درصد پوشش خواهد شد.

3-2-6-2- تشابه آیتم ها

در سیستمهای توصیهگر مبتنی بر محتوا از مولفهها و خصوصیات آیتمها برای محاسبه تشابه استفاده میگردد ولی در تکنیکهای پالایش گروهی مبتنی بر آیتم، تنها اطلاعات موجود در خصوص یک آیتم، امتیازات تخصیص داده شده به آن توسط کاربران مختلف میباشد لذا همانند بسیاری از تحقیقات انجام گرفته در این زمینه در این مدل نیز از فرمول پیرسون (فرمول شماره 4) برای محاسبه تشابه دو آیتم استفاده میگردد.

3-2-6-3- خصوصیات ویژه مدل TrustWalker

این مدل دارای ویژگیهای خاصی می باشد که فهرست وار عبارتند از:
فراگیری و عمومیت مدل91
اطمینان به نتایج حاصل92
تفسیرپذیری و قابل توضیح بودن نتایج93

3-2-6-3-1- فراگیری و عمومیت مدل

این مدل به گونهای طراحی شده است که تکنیک پالایش گروهی مبتنی بر آیتم و مدل مبتنی بر اعتماد خالص را به عنوان حالتهای خاص در درون خود به همراه دارد. اگر برای تمامی کاربران، احتمال توقف در آنها در جستجوی امتیاز آیتم هدف i، برابر صفر در نظر گرفته شود در این صورت پیمایش تصادفی اصلا آغاز نمیشود و امتیاز تخصیص یافته به یکی از آیتمهایی که توسط کاربر مبدا u_0 به آنها امتیازی داده شده است به عنوان پاسخ بازگردانده میشود. از آنجائیکه احتمال انتخاب یک آیتم، متناسب با مقدار تشابه آن با آیتم هدف میباشد امتیاز پیشبینی شده، میانگین وزنی امتیازات آیتمهای امتیاز داده شده توسط کاربر u_0 با وزن نسبت تشابه آنها با آیتم هدف i خواهد بود که این نتیجه در واقع معادل اجرای تکنیک پالایش گروهی مبتنی بر آیتم معرفی شده در [22] می باشد.
از طرف دیگر اگر برای تمامی کاربران موجود، احتمال توقف در آنها در جستجوی امتیاز آیتم هدف i برابر صفر فرض شود در این صورت پیمایشهای تصادفی تا زمانیکه دقیقا امتیازی برای آیتم هدف i نیابند ادامه خواهند یافت و امتیاز پیش بینی شده، نتیجه تجمیع امتیازات بیان شده توسط کاربران نظر دهنده در خصوص آیتم i، متناسب با احتمال رسیدن به هریک از این کاربران در شبکه با شروع از u_0 خواهد بود. روشهای معرفی شده در [15][39] سعی در تخمین همین احتمال دارند. بنابراین مدل TrutWalker یک مدل بلوغ یافته از مدلهای مذکور است و به عنوان یکی از سیستمهای توصیهگر جامع مبتنی بر اعتماد مطرح میباشد .

3-2-6-3-2- اطمینان به نتایج حاصل

همان طوری که قبلا نیز اشاره شد اکثر سیستمهای توصیهگر موجود اطمینانی در خصوص نتایج خود به کاربرانشان ارائه نمیدهند در حالیکه کاربران این سیستمها علاقهمند هستند که از میزان قابل اطمینان بودن نتایج آگاه باشند. در مدل TrustWalker این امکان وجود دارد که بر اساس واریانس نتایج حاصل، معیاری در قالب اطمینان را تعریف نمود. هرچه که میزان واریانس نتایج حاصل کمتر باشد اطمینان به نتایج بالاتر خواهد بود. برای تبدیل واریانس به مقدار و درجهای که بتواند اطمینان را نشان دهد فرمول زیر تعریف شده است.
(14)
confidence=1-σ^2/(maxσ^2 )

در این فرمولσ^2 واریانس و maxσ^2 حداکثر واریانس نتایج حاصل است و برای نرمال سازی نتایج استفاده شده است. اگر امتیازات در یک محدوده مشخص مانند ]5,1[ باشند و اندازه این محدوده را در قالب متغیر Range تعریف کنیم میتوان ثابت نمود که maxσ^2=〖Range〗^2/4 خواهد بود. علاوه بر آن اگر نتایج حاصل از اجرای پیمایشهای تصادفی یکسان باشد واریانس صفر خواهد بود که در این حالت مقدار اطمینان به نتایج 100% خواهد بود و اگر مقدار واریانس بسیار بالا باشد مقدار اطمینان به 0% نزدیک خواهد شد.

3-2-6-3-3- تفسیرپذیری و قابل توضیح بودن نتایج

مفهوم قابل توضیح بودن نتایج این است که سیستم توصیهگر بتواند توضیح دهد که چگونه امتیازات را پیشبینی کرده است یا به عبارت دیگر، کاربران درک کنند که چرا و چگونه آیتمهای خاصی به ایشان پیشنهاد شده است.
در این مدل برای پیشبینی امتیاز کاربر u به آیتم i، احتمال اینکه از میان همسایگان مستقیم کاربر u، کاربر v انتخاب شود محاسبه میگردد و نتایج حاصل از اجرای پیمایشهای تصادفی مختلف، از کاربران متفاوتی حاصل میگردد لذا کاربرانی که که بیشترین نتایج حاصل را تولید میکنند کاربرانی هستند که از احتمال بالاتری برخوردار باشند و در واقع می توان آنها را به عنوان کاربران تاثیرگذار در نتایج سیستم توصیهگر معرفی و تفسیر نمود.
در مقابل آیتمهایی نیز وجود دارند که از احتمال انتخاب بالایی در پیمایشهای تصادفی مختلف برخوردار هستند که آنها را نیز میتوان به عنوان آیتمهای تاثیر گذار در نتایج تفسیر نمود و در نهایت میتوان به کاربران توضیح داد که نتایج و امتیازات ارائه شده به ایشان حاصل امتیازات و نظرات کاربران تاثیر گذار و مورد اعتماد و همچنین آیتمهای مشابه آیتم هدف میباشد.

3-2-6-4- نمایش ماتریسی مدل TrustWalker

مدل TrustWalker را همانند هر مدل مبتنی بر پیمایش تصادفی، می توان در قالب ماتریس بیان و محاسبه نمود ولی به دلیل پیچیدگیها و نیازمندیهای سخت افزاری بسیار بالا (حافظه RAM) برای مجموعه دادههای بزرگ مانند epinions، قابل اجرا و عملیاتی نمیباشد. همچنین در روش ماتریسی نیاز است تا به اطلاعات کل شبکه به صورت یکجا دسترسی داشت در حالیکه در روش پیمایش تصادفی میتوان به صورت محلی عمل نمود و در هر لحظه تنها به بخشی از اطلاعات شبکه دسترسی داشت.

3-2-6-5- نتیجه گیری در خصوص مدل TrustWalker

این مدل ترکیبی توانسته است در رقابت با سایر روشهای گفته شده خصوصا در زمینه حل مشکل کاربران تازه وارد نتایج بسیار مثبت و قابل توجهی ارائه دهد و در خصوص افزایش میزان معیار پوشش و کاهش خطا، با در نظر گرفتن کلیه کاربران نیز گامهای موثری برداشته است. با توجه به ویژگیها و خصوصیات این مدل ترکیبی و همچنین دسترسی به نتایج آزمایشات صورت گرفته توسط محقق بر روی مجموعه داده epinions و خصوصا انجام آزمایشات مجزا جهت بررسی چگونگی عملکرد مدل ارائه شده برای کاربران تازه وارد این مدل به عنوان پایه و اساس این تحقیق در نظر گرفته شده است.
در فصل آینده جزئیات این مدل و چگونگی عملکرد آن به صورت کامل تشریح و سپس مطالعات و تحقیقات صورت گرفته جهت توسعه و رفع نقایص آن به همراه جزئیات تغییرات مورد نظر برای بهبود عملکرد کلی این مدل به تفصیل بیان خواهد شد.

فصل چهارم

تشریح مدل ترکیبی پیشنهادی و چگونگی توسعه و بهبود مدل پایه

تشریح مدل ترکیبی پیشنهادی و چگونگی توسعه و بهبود مدل پایه

4-1- مقدمه

در این فصل ابتدا به تشریح بخشهای مختلف مدل پایه TrustWalker پرداخته میشود و الگوریتم و چگونگی عملکرد آن در پیشبینی امتیاز آیتم هدف مورد نظر کاربر مبدا تشریح میگردد و سپس مطالب و مفاهیمی که جهت تغییر، توسعه و بهبود عملکرد آن مدنظر قرار گرفته است بیان و تشریح میگردند.

4-2- تشریح مدل کلی TrustWalker

4-2-1- علائم نشانه گذاری و متغیرهای مدل

به صورت کلی برای کاربران از علائم u، v، w و برای آیتمها از علائم i، j و … استفاده میشود و متغیر k بیانگر میزان عمق پیشروی در شبکه میباشد و به عبارت دیگر مرحله فعلی پیمایش تصادفی را مشخص میکند همچنین احتمال توقف در گره کاربر u در جستجوی امتیاز آیتم i با گذشت k مرحله از آغاز یک پیمایش تصادفی با ∅_(u,i,k) نمایش داده میشود.

4-2-2- روند یک پیمایش تصادفی در شبکه94

در ذیل روند اجرای یک پیمایش تصادفی با آغاز از کاربر مبدا u_0 در قالب یک الگوریتم بیان میگردد .
آغاز از کاربر u_0 و

پایان نامه
Previous Entries مقاله درباره شبکه اجتماعی، ارزیابی عملکرد، هوش مصنوعی Next Entries مقاله درباره توسعه مدل