اصلاح نویز طبیعی در سیستم‌های توصیه‌گر مشارکتی با در نظر گرفتن تغییر ترجیحات کاربر

نویسندگان

دانشگاه اصفهان - دانشکده مهندسی کامپیوتر

چکیده

با استفاده از سیستم‌های توصیه‌گر، کاربران می‌توانند کالاهایی که بهتر با ترجیحات آن‌ها متناسب است را انتخاب کنند. سیستم‌های توصیه‌گر اغلب بر اساس رتبه‌دهی کاربران به کالاها عمل می‌کنند، درحالی‌که ممکن است کاربران در رتبه‌دهی به اقلام بی‌ثبات عمل کنند و به اقلام مشابه، رتبه‌های متفاوتی دهند. رتبه‌دهی‌های متفاوت ممکن است به دو دلیل رخ دهد: دلیل اول، بی‌دقتی کاربر در رتبه‌دهی است که باعث نویز طبیعی در رتبه‌ها می‌شود و باید اصلاح گردد. دلیل دوم، تغییر کردن ترجیحات و علاقمندی‌های کاربر در گذر زمان است. در پژوهش‌های پیشین، درصورتی‌که رتبه‌دهی کاربر با رتبه‌های قبلی او و دیگر کاربران همخوانی نداشته باشد، به‌عنوان نویز طبیعی محسوب می‌شود؛ درحالی‌که ممکن است ناهمخوانی رتبه‌ها ناشی از تغییر ترجیحات کاربر در گذر زمان باشد نه بی‌دقتی کاربر. در این پژوهش بین این دو نوع ناهمخوانی تمایز گذاشته می‌شود. برای این منظور، زمان‌های تغییر یافتن ترجیحات کاربر شناسایی می‌شوند و سپس بر اساس آن‌ها، نویز طبیعی تشخیص داده شده و اصلاح می‌گردد. در نهایت، توصیه‌ها با توجه به تغییر علاقه کاربر به او پیشنهاد می‌شوند. نتایج نشان داده که این روش نسبت به روش‌های دیگر، از لحاظ معیارهای «میانگین خطای مطلق»، دقت، یادآوری و «میانگین وزنی دقت و یادآوری» بهبود یافته است.

کلیدواژه‌ها


عنوان مقاله [English]

Natural Noise Correction in Collaborative Recommender Systems by Considering Change of Userʹs Preferences

نویسندگان [English]

  • A. Nazemi
  • M. Kaedi
Faculty of Computer Engineering, University of Isfahan, Iran
چکیده [English]

Recommender systems help users to find their desired items from an enormous volume of available information. Recommender systems often act on the basis of user rating. However, users may act unstable in rating items and give different ratings to similar items. Inconsistency may occur for two reasons: user inherent inaccuracy and change of user preferences. The first reason causes the inconsistency of rating in short-term which is called natural noise. Other reason causes the inconsistency of rating in long-term and is one of the challenges that affects the efficiency of recommender systems. So, changing the user preferences should not be confused with the natural noise. This study discriminates between the discrepancies of these two types of rating. In the proposed method, first, changes of user preferences are detected and categorized. Then, natural noise can be detected and corrected by use of these categories. Finally, recommendations are suggested to the users according to the changes of their preferences. The experimental results have shown that the proposed method has improved MAE, precision, recall, and F1 measures compared to former methods.

کلیدواژه‌ها [English]

  • Recommender systems
  • natural noise
  • user preference change
  • collaborative filtering