دانلود پایان نامه درباره الگوی مصرف، اطلاعات مربوط، تجارت سیار

و سپس عملیات برش۱۴۲ با هدف حذف سایر ابعاد به جز دو بعد اصلی کاربران و اقلام، صورت میپذیرد.
در این تحقیق روش جدیدی برای پیشنهاددهی در یک فضای n- بعدی و مناسب برای محیطهای سیار معرفی میشود. روشهایی که تابهحال به منظورکاهش فضا استفادهشدهاند عبارتند از استفاده از دو عملیات انتخاب و بهدنبال آن عملیات برش. یعنی ابتدا با توجه به زمینه ای که کاربر در آن قرار دارد، دادههایی از میان مجموعه دادهها انتخاب میشوند که زمینه یکسانی با زمینه فعلی کاربر داشتهباشند و پس از آن به کمک عملیات برش سایر ابعاد حذف میشوند تا از مکعب امتیازات به جدول دوبعدی دادهها برسیم. اما همیشه رابطهای که به این طریق بدست میآید، کامل و دارای تمام امتیازات موردنیاز نیست و در نتیجه بهشیوههای کلیتری برای کاهش فضای n – بعدی به ۲- بعدی نیاز است تا علاوه بر زمینه t، زمینه St که معرف بخشهای مرتبط با t است نیز انتخاب شود.
اطلاعات زمینه بر فرایند تصمیمگیری کاربر تاثیرگذار است. در یک سیستم پیشنهاددهنده این به آن معناست که مجموعه کالاهای مورد علاقه کاربر در شرایط زمینهای مختلف context1، context2 تا contextn میتوانند با یکدیگر متفاوت باشند. یعنی کاربری میتواند به یک کالا در زمینه خاص، امتیاز بالایی دهد در حالیکه به همان کالا در یک زمینه متفاوت دیگر، امتیاز پایینی اختصاص دهد. با توجه به این مساله، روش پیشنهاددهی آگاه از زمینه ارائهشده در این تحقیق از مجموعه داده چندبعدی و مکعب امتیازات استفاده میکند. در یک سیستم پیشنهاددهنده که از اطلاعات زمینه به شکل تاریخچهای استفاده میکند، ارتباط میان کاربران و اقلام با توجه به تاثیر پارامترهای زمینهای بر روی این ارتباط و در یک ساختار چندبعدی در سیستم ثبت میشود. (شکل ۵-۲)
شکل ۵-۲: ساختار رابطهای مدل داده چندبعدی برای ذخیرهسازی اطلاعات کاربران، اقلام و زمینه
در شکل ۵-۲، رابطه User برای نگهداری اطلاعات کاربران، Item، برای نگهداری اطلاعات اقلام و Ratings برای نگهداری امتیازات کاربران به اقلام در شرایط زمینه ای متفاوت میباشد. هر کدام از ابعاد زمینهای در رابطهای با دوفیلد نگهداری میشوند. بهعنوان مثال فرض کنید زمینهای با عنوان زمان شامل دو مقدار روز کاری و روز تعطیل تعریف شود. در این صورت رابطه معادل آن در شکل ۵-۲ دارای دوفیلد و تنها دو رکورد میباشد. تعداد ابعاد زمینهای در یک سیستم پیشنهاددهنده در دامنهای خاص توسط تحلیلگر سیستم و در زمان تحلیل سیستم تعیین میشود. در این تحقیق، ویژگیهای سلسلهمراتبی و تجمیع مدل داده چندبعدی در نظر نگرفته نشدهاست.
روش ارائهشده همچنین از مراحل زیر تشکیل شدهاست: (شکل ۵-۳)
شکل ۵-۳: روش چندبعدی پیشنهاددهی
(۱) شناسایی الگوی مصرف۱۴۳ کاربران در شرایط زمینهای متفاوت
همانطورکه اریگ، هاس، هفک و استانویک[۷۳] تعریف میکنند: ” اگر در دو زمینه مختلف، موجودیتهای یکسانی (یا مرتبطی) استفادهشوند, در این صورت این دو زمینه مشابه هستند”، زمینههایی که کاربر در آنها الگوی مصرف مشابهی دارد شناسایی میشوند که این به معنای شناسایی زمینههای مشابه با یکدیگر است.
اگر در یک سیستم، N بعد زمینهای متفاوت (N پارامتر زمینهای) تعریف شدهباشد(Context1 تا ContextN)، تعداد شرایط زمینهای متفاوتی که برای سیستم تعریفمیشود، برابر است با ضرب تعداد مقادیر تعریفشده برای ابعاد. بهعنوان مثال فرض کنید در سیستمی دو بعد، بعد زمان شامل مقادیر روزهای کاری و روزهای تعطیل، و بعد آبوهوا شامل مقادیر سرد، گرم و معتدل، تعریف شدهباشد، در اینصورت تعداد کل شرایط زمینهای که برای سیستم شناختهشدهاست، حاصلضرب دو در سه، یعنی شش تا شرایط زمینهای مختلف است که عبارتند از روز کاری و هوای گرم، روز کاری و هوای معتدل، روز کاری و هوای سرد، روز تعطیل و هوای گرم، روز تعطیل و هوای معتدل، روز تعطیل و هوای سرد. این شرایط زمینهای در یک رابطه جدید با عنوان Context_Situations (شکل ۵-۴) که به مجموعه روابط شکل ۵-۲ افزوده میشود، نگهداری میشود.
شکل ۵-۴: ساختار رابطهای نگهداری کلیه شرایط زمینهای سیستم
به دلیل آنکه این رابطه با روابط زمینهای از شکل ۵-۲ در ارتباط است، این روابط در شکل ۵-۴ تکرار شدهاند.
هدف شناسایی شرایط زمینهای مشابه با یکدیگر، بهطور مجزا برای هر کاربر، میباشد. پس اطلاعات مربوط به هر کاربر بهطور جداگانه از پایگاه داده چندبعدی (مجموعه روابط اشکال ۵-۲ و ۵-۴) انتخاب میشود، به این ترتیب برای هر کاربر، مجموعه کالاهایی که وی در شرایط زمینهای مختلف امتیازگذاری کردهاست، و امتیازات مربوطه در دسترس خواهدبود. این مجموعه ورودی الگوریتم خوشهسازی خواهدبود. عملیات خوشهسازی برای تمامی کاربران بهطور جداگانه اجرا میشود. پس در نهایت، شرایط زمینهای متفاوت برای هر کاربر بهصورت مجزا و بر اساس الگوی مصرف وی، خوشهبندی۱۴۴ شده و خوشههای بدستآمده با برچسبهای ۱ تا m (m، تعداد خوشههاست)، مشخصمیشوند. (شکل ۵-۵)
شکل ۵-۵: ساختار رابطهای نگهداری خوشهبندی اطلاعات زمینهای برای کاربران
بهاین ترتیب دو رابطه جدید با عنوان Context_Clusters و ContextRelation به مجموعه روابط افزوده میشوند، Context_Clusters برچسب خوشهها را نگهداری میکند و ContextRelation رابطهای است که مشخص میکند شرایط زمینهای متفاوت برای کاربران مختلف در چه خوشهای قرار میگیرند.
(۲) ایجاد فضای جدید پیشنهاددهی دو بعدی
در این مرحله با استفاده از اطلاعات بدست آمده در مرحله قبلی، معادل هرکاربر ci، m کاربر جدید ci1 تا cim تعریف میشود که m تعداد خوشههای مربوط به شرایط زمینهای برای کاربر ci است. بسته به سیاست اتخاذشده برای خوشهبندی، مقدار m برای هر کاربر مقدار یکسان یا متفاوتی خواهدبود. درحقیقت اگر کاربر ci در زمینههای متفاوت contexts، contextg، contextf و چند زمینه دیگر الگوی مصرف مشابهی داشتهباشد و مجموعاً در مرحله اول در یک خوشه قرار گرفتهاند و مجموعه این زمینهها با برچسب contextout_L مشخصشدهباشد (۱Lm)، کاربر جدید ci_L ی تعریف میشود که معادل کاربر ci در شرایط زمینهای گروهبندیشده در contextout_L میباشد. (شکل۵-۶)
شکل ۵-۶- ایجاد کاربران معادل کاربر ci با توجه به الگوی مصرف وی
با استفاده از اطلاعات بدست آمده و پس از مشخصکردن کاربران جدید در سیستم، تابع سودمندی را از رابطه (۲) به شکل رابطه (۳) بازتعریف کنیم.
(۵-۳)
در این رابطه، مجموعه جدید کاربران است.s مجموعه قبلی اقلام است و هم مجموعه جدید امتیازات کاربران به اقلام است. به این ترتیب به مجموعه روابطی که تا به حال ذکر شدند، دو رابطه جدید New_user و New_ratings اضافه میشود که این روابط به همراه روابط مربوط به آنها در شکل ۵-۷ نمایش داده شدهاست. (شکل ۵-۷)
امتیازات جدید به این شکل محاسبه خواهدشد که اگر کاربر ci، کالای si را در زمینههای متفاوتی از مجموعه زمینههای مشخصشده با برچسب واحد contextout-L امتیازدهی کردهباشد، امتیاز کاربر ci-L به کالای si در رابطه (۴) برابر با یک تابع تجمعی۱۴۵ (مانند میانگینگیری) بر روی امتیازات قبلی خواهدبود.
شکل ۵-۷- ساختار رابطهای کاربران و امتیازات جدید
(۳) اعمال الگوریتم پیشنهاددهی در فضای دوبعدی بدست آمده
همانطور که مشاهدهشد، در مراحل قبل کاربران متفاوت ممکن است در شرایط زمینهای متفاوت الگوی مصرف مشابهی داشته باشند. بهاین ترتیب به کمک دو مرحله قبلی، یک فضای جدید دوبعدی شامل کاربران و اقلام ایجاد میشود. به این ترتیب دامنه پیشنهاددهی از یک فضای چندبعدی به یک فضای دوبعدی تبدیل شد. این فضای پیشنهاددهی جدید شامل روابطNew_user، New_ratings و Item از فضای شکل ۵-۷ میباشد. به این ترتیب هر زمان که سیستم پیشنهاددهنده بخواهد پیشنهاد جدیدی را به کاربری خاص ( با شناسه uid از رابطه User) در یک شرایط زمینهای بهخصوص (با شناسه csid از رابطه Context-Situations) ارائهکند، از طریق روابط Context_Clusters و Context_Situations، شناسه معادل کاربر را در رابطه New_User شناسایی میکند و پیشنهادات را برای این کاربر در فضای جدید بدست میآورد. در فضای جدید بدست آمده برای انجام عملیات پیشنهاددهی، هر کدام از روشهای مبتنیبر مدل و یا مبتنیبر حافظه به شیوه سنتی قابل اعمال خواهندبود.
۵-۵جمعبندی
این فصل به سیستمهای پیشنهاددهنده آگاه از زمینه اختصاص دادهشد. سیستمهای پیشنهاددهنده آگاه از زمینه، با استفاده از اطلاعات پویای زمینه که توصیفگر وضعیت اقلام و کاربر بوده و بر نحوه تصمیمگیری کاربر در انتخاب اقلام تاثیرگذار است به عملیات پیشنهاددهی میپردازند. پارمترهای زمینهای تاثیرگذار در این سیستمها به دو دسته پارامترهای تاریخچهای و پارامترهای برخط تقسیم شدند. پس از آن فضای چندبعدی برای مدلسازی اطلاعات زمینه ارائهشد و در پایان به تشریح روش چندبعدی پیشنهاددهی پرداختهشد. این روش دارای سه مرحله میباشد که عبارتند از ۱) شناسایی الگوی مصرف کاربران در شرایط زمینهای متفاوت، ۲) ایجاد فضای جدید پیشنهاددهی دو بعدی و ۳) اعمال الگوریتم پیشنهاددهی به شیوه سنتی در فضای دوبعدی بدست آمده.
فصل ششم: ارزیابی
۶-۱ مقدمه
ارزیابی سیستمهای پیشنهاددهنده در جهت مشخصکردن صحت عملکرد آنها ضروری است. در این بخش به مسائل مربوط به ارزیابی روش پیشنهادشده چندبعدی برای استفاده در سیستمهای پیشنهاددهنده آگاهاززمینه در تجارت سیار پرداخته میشود و نتایج بدستآمده از ارزیابی ارائه میشوند. مسائل مطرح شده عبارتند از معرفی محیط ارزیابی و ابعاد زمینهای مورد استفاده، روش و شاخصهای ارزیابی و در پایان ارائه نتایج حاصل از ارزیابی.
۶-۲ روش ارزیابی
برای ارزیابی روش چندبعدی پیشنهاددهی، از یک سیستم پیشنهاددهنده سیار استفادهشدهاست. به اینمنظور ابتدا در یک مرحله به جمع آوری امتیازات مورد نیاز پرداخته و در مرحله بعد به ارزیابی روش بر روی مجموعه داده تهیهشده پرداختهشدهاست. سیستمهای پیشنهاددهنده آگاه از زمینه دارای دو مجموعه بعد متفاوت ابعاد اصلی شامل بعد کاربر و بعد کالا، و ابعاد زمینهای میباشند. علاوهبر ابعاد اصلی کاربر و محصولات غذایی در این تحقیق، ابعاد زمینهای استفاده شده در سیستم عبارتند از:
*
* روز۱۴۶ : روزکاری، روز تعطیل. ( بعد تاریخچهای و برخط ).
* زمان۱۴۷ : صبح، ظهر، عصر، شب. ( بعد تاریخچهای و برخط ).
* همراه۱۴۸ : همسر، خانواده، دوستان، همکاران، تنها، سایر موارد. ( بعد تاریخچهای و برخط ).
* آبوهوا۱۴۹: سرد و آفتابی، سرد همراه با بارش،

نظری بنویسید

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