روند کار روش محتوا محور جهت ارتقاء روش فیلترینگ اشتراکی

روند کار سیستم­های محتوا محور به این صورت است که ابتدا براساس نحوه­ امتیازدهی کاربر به اقلام مختلف، نمایه­ای از علائق او ساخته می­شود. سپس بر اساس میزان تطابق خصوصیات اقلام با نمایه ساخته شده از کاربر، پیشنهادها به کاربر ارائه می­شود.

ساختار سیستم­های پیشنهادگر محتوا محور در شکل زیر نشان داده شده است.

همانگونه که در شکل بالا قابل مشاهده است روند کار در متد محتوا محور متشکل از سه مرحله به شرح زیر می باشد  [24]:

3-2-1- تحلیل­گر محتوا    (Content Analyzer)

در این مرحله محتوای اقلام نشان داده می­شود. بدین منظور معمولا از تکنیک­های بازیابی اطلاعات استفاده می­شود. اطلاعات توصیفی سازمان­دهی نشده مربوط به اقلام از قسمت منبع اطلاعات (Information Source) استخراج شده و در این مرحله  سازمان­دهی می­شود. یعنی هر قلم توسط اطلاعات سازمان­دهی شده نمایش داده می­شود. مثلا اگر سیستم پیشنهادگر مربوط به فیلم باشد هر فیلم می­تواند توسط ویژگی­های مربوط به بازیگران، کارگردانان و…. نمایش داده شود. یا اگر سیستم پیشنهادگر مربوط به صفحه وب باشد هر صفحه وب می­تواند توسط برداری از کلمات کلیدی نمایش داده شود. به این صورت که ریشه کلمات به عنوان خصوصیات و مقدار tf/idf  مربوط به هر ریشه به عنوان مقدار آن در نظر گرفته شود.

نتیجه حاصل شده از این مرحله در قسمت اقلام نمایش داده شده

(Represented Items) ذخیره می­شود.

                      

3-2-2- یاد گیرنده نمایه (Profile Learner)

در این مرحله بر اساس عکس العملی که کاربر در برابر اقلام مختلف نشان داده و در قسمت بازخورد (Feedback) ذخیره شده است، نمایه­ای از علائق او ساخته می­شود. این کار معمولا توسط تکنیک­های موجود در حوزه  یادگیری ماشین انجام  می­شود.

عکس العملی که کاربر در مقابل اقلام از خود نشان می­دهد به دو صورت صریح و ضمنی می­باشد. عکس العمل صریح به این صوت است که کاربر علاقه یا عدم علاقه خود نسبت به اقلام را توسط امتیازدهی یا توصیفی کوتاه نشان دهد. در عکس العمل ضمنی کاربر هیچ دخالتی ندارد و خود سیستم توسط کنترل و تحلیل رفتار و فعالیت­های کاربر، علائق او را استخراج می­کند.

با توجه به اینکه سلیقه افراد در طول زمان تغییر می­کند، نمایه ساخته شده از کابر نیز باید با توجه به این تغییرات به روز شود. برای این منظور ابراز علاقه و یا عدم علاقه کاربر به اقلامی که در لیست به او پیشنهاد شده­اند به عنوان باز خورد  ذخیره و برای به روز کردن نمایه او استفاده می­شود.

درست است که سایت پیشنهادگر آمازون بر اساس روش فیلترینگ اشتراکی است. ولی همانطور که در شکل شماره 12 قابل مشاهده است در این نمونه صفحه از سایت آمازون گزینه­ای به نام Youre Favoites وجود دارد که با استفاده از این گزینه قسمتی از نمایه کاربر می­تواند بر اساس روش محتوا محور ساخته شود. همانگونه که در شکل شماره 13 قابل مشاهده است در این صفحه انواع کتاب­هایی که مطابق با علائق کاربر است نمایش داده شده است. انواعی که در این قسمت قابل مشاهده است یا به صورت ضمنی بر گرفته شده، مانند بررسی اقلامی که کاربر تا کنون خریداری کرده است، یا به صورت دستی توسط خود کاربر وارد شده است. این قسمت توسط کاربر قابل ویرایش و تطبیق پذیر با سلایق و علائق او می­باشد.

-2-3- جزء فیلترینگ (filtering component )

در این مرحله میزان شباهت پروفایل ساخته شده از کاربر با اطلاعات توصیفی سازماندهی شده اقلام مورد نظر سنجیده می­شود. این کار می­تواند توسط یکی از معیارهای اندازه گیری شباهت مانند معیار اندازه گیری کسینوس صورت گیرد. بر این اساس مشخص می­شود که کدام یک از این اقلام مورد علاقه کاربر است. نتیجه حاصل شده از این مرحله یک لیست پیشنهادی از اقلام می­باشد که بر اساس علائق کاربر مرتب شده است.

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *