يک روش چند بعدي براي پيشنهاد دهنده هاي آگاه از زمينه در تجارت سيار word



چکيده

استفاده از زمينه، به عنوان اطلاعات پويايي که توصيف­گر وضعيت کاربران و اقلام بوده و بر فرايند تصميم­گيري و انتخاب کاربران تاثير­گذار است، توسط سيستم­هاي پيشنهاد­دهنده در تجارت سيار، در جهت ارتقاء کيفيت مناسب پيشنهاد­دهي ضروري است. در اين تحقيق يک روش جديد چند­بعدي براي پيشنهاد­دهي آگاه از زمينه در تجارت سيار ارائه­ شده است. در اين روش اطلاعات کاربران، اقلام، پارامتر­هاي زمينه و ارتباط ميان آنها در يک فضاي چند­بعدي نمايش ­داده مي­شود که به آن مکعب چند­بعدي امتيازات گفته مي­شود. در اين فضا زمينه­هاي مشابه به­طور جداگانه براي هر کاربر شناسايي مي­شوند که اين کار با شناسايي الگوهاي مصرف متفاوت کاربران در شرايط زمينه­اي مختلف انجام مي­شود. با بدست آوردن اين اطلاعات، يک فضاي جديد دوبعدي ايجاد­شده و پيشنهاد­دهي نهايي با استفاده از يک روش فيلتر­سازي مشارکتي در اين فضا انجام مي­گيرد. ارزيابي روش از طريق پياده­سازي آن در يک سيستم پيشنهاد­دهي محصولات غذايي رستوران­ها شامل پارامتر­هاي زمينه­اي روز، زمان، آب و هوا و همراه علاوه بر پارامتر­هاي کاربر و اقلام و مقايسه آن با روش سنتي پيشنهاد­دهي و بدون در­نظر­­گرفتن اطلاعات زمينه انجام گرفته­است. براي پياده­سازي روش فيلتر­سازي مشارکتي از شبکه­هاي خود­سازمانده استفاده­شده­است. شبکه­های خود­سازمانده، نوعی از شبکه­هاي عصبي بدون ناظر هستند. مقايسه و ارزيابي نتايج با استفاده از محاسبه شاخص F1 که يکي از شاخص­هاي استاندارد و پر استفاده براي ارزيابي پيشنهاد­دهنده­ها است، انجام گرفته­است. بر اساس اين نتايج، روش پيشنهاد­دهي چند­بعدي در حدود شانزده درصد بهبود نسبت به روش سنتي پيشنهاد­دهي را نمايش مي­دهد که همين مساله کارايي روش را از نظر کيفيت پيشنهاد­دهي تاييد مي­کند.

كلمات كليدي: سيستم­هاي پيشنهاد­دهنده آگاه از زمينه، تجارت سيار، نقشه خود­سازمان­ده، روش چندبعدي پيشنهاد­دهي، فيلتر­سازي مشارکتي.

 فهرست مطالب

عنوان صفحه

 فصل اول: مقدمه

1-1 مقدمه.. 1

1-2 موضوع تحقيق.. 3

1-3 موضوع تحقيق.. 4

1-4 اهميت و ارزش تحقيق.. 6

1-5 اهداف تحقيق.. 6

1-6 کاربرد نتايج تحقيق.. 6

1-7 مروري بر ساختار پايان­نامه.. 7

 

فصل دوم: تجارت سيار

2-1 مقدمه.. 8

2-2 تجارت سيار.. 9

2-3 دسته­بندي ادبيات تحقيقاتي تجارت سيار.. 11

2-3-1 حوزه تحقيقات نظری.. 11

2-3-2 شبکه بي­سيم.. 12

2-3-3 ميان­افزار سيار.. 13

2-3-4 زير­بناي کاربري بي­سيم.. 14

2-3-5 کاربرد­هاي تجارت سيار.. 14

2-4 فناوري­هاي تجارت سيار.. 16

2-5 استاندارد­هاي بي­سيم.. 18

2-6 بستر پياده­سازي کاربرد­هاي تجارت سيار.. 19

2-6-1 زبان­هاي برنامه­نويسي موبايل.. 22

2-7 جمع­بندي.. 23

 

عنوان صفحه

 

فصل سوم: زمينه

3-1 مقدمه.. 25

3-2 زمينه.. 26

3-2-1 تعاريف پارامتريک.. 26

3-2-2 تعاريف کلي.. 27

3-3 دسته­بندي اطلاعات زمينه.. 28

3-4 آگاهي از زمينه.. 31

3-5 طراحي زمينه.. 32

3-6 جمع­بندي.. 33

 

فصل چهارم: سيستم­هاي پيشنهاد­دهنده

4-1 مقدمه.. 35

4-2 بررسي عملکرد سيستم­هاي پيشنهاد­دهنده.. 36

4-2-1 روش­هاي مبتنی بر محتوا.. 38

4-2-1-1 مشکلات و محدوديت­­هاي روش­هاي مبتني بر محتوا.. 41

4-2-2 روش­هاي فيلترسازي مشارکتی.. 42

4-2-2-1 مشکلات و محدوديت­­هاي روش­هاي فيلتر­سازي مشارکتي 46

4-2-3 روش­هاي ترکيبي.. 48

4-3 ارزيابي سيستم­هاي پيشنهاد­دهنده.. 49

4-4 بسط قابليت­هاي سيستم­هاي پيشنهاد­دهنده.. 51

4-4-1 شرکت­دادن شناختي جامع از کاربران و اقلام در فرآيند پيشنهاد­دهي 51

4-4-2 امتياز­گذاري چند­معياري.. 52

4-4-3 پيشنهاد­دهنده­هاي غير­تداخلي.. 53

4-4-4 انعطاف­پذيري.. 53

 4-4-5 توسعه شاخص­هاي ارزيابي.. 54

4-4-6 استفاده از اطلاعات زمينه در پيشنهاد­دهنده­ها.. 55

4-4-7 ساير گزينه­ها براي بسط و توسعه سيستم­هاي پيشنهاد­دهنده 55

4-5 جمع­بندي.. 55

 

فصل پنجم: روش جديد چند­بعدي براي پيشنهاد­دهي آگاه از زمينه

5-1 مقدمه.. 57

5-2 سيستم­هاي پيشنهاد­دهنده آگاه­از­زمينه در تجارت سيار.. 58

5-3 مدل­سازي اطلاعات زمينه.. 59

5-4 روش چند­بعدی در سيستم­های توصيه­گرسيار آگاه از زمينه.. 61

5-5 جمع­بندي.. 68

 

فصل ششم: ارزيابي

6-1 مقدمه.. 69

6-2 روش ارزيابی.. 69

6-2-1 پياده­سازي سيستم جمع­آوري داده.. 70

6-3 پياده­سازي روش پيشنهاد­دهي.. 72

6-3-1 پياده­سازي روش پيشنهاد­دهي دو­بعدي.. 73

6-3-2 پياده­سازي روش پيشنهاد­دهي چند­بعدي.. 78

6-4 جمع­بندي.. 82

 

فصل هفتم: جمع­بندي و راهکار­هاي آينده

7-1 مقدمه.. 84

7-2 راهکار­هاي آينده.. 85

 

منابع و مآخذ.. 87

فهرست شکل­ها

عنوان صفحه

 

شکل 2-1 خصوصيات تجارت سيار.. 10

شکل 2-2 دسته­بندي ادبيات تحقيقاتي تجارت سيار.. 12

شکل 3-1 فضاي سلسله­مراتبي زمينه.. 29

شکل 3-2 معماري سطح بالا از يک سيستم آگاه از زمينه 32

شکل 4-1 نمونه­اي از زبان RQL.. 54

شکل 5-1 مدل چند­بعدي پيشنهاد­دهي براي فضاي سه­بعديUser×Item×Time 60

شکل 5-2 ساختار رابطه­اي مدل داده چند­بعدي براي ذخيره­سازي اطلاعات کاربران، اقلام و زمينه.. 62

شکل 5-3 روش چند­بعدي پيشنهاد­دهي.. 63

شکل 5-4 ساختار رابطه­اي نگهداري کليه شرايط زمينه­اي سيستم 64

شکل 5-5 ساختار رابطه­اي نگهداري خوشه­بندي اطلاعات زمينه­اي براي کاربران 65

شکل 5-6 ايجاد کاربران معادل کاربر c­i با توجه به الگوی مصرف وی 67

شکل 5-7 ساختار رابطه­اي کاربران و امتيازات جديد 66

شکل 6-1 ساختار رابطه­اي مجموعه داده جمع­آوري­شده بدون در نظر گرفتن شرايط زمينه­اي.. 71

شکل 6-2 ساختار چند­بعدي مجموعه داده جمع­آوري­شده با در نظر گرفتن شرايط زمينه­اي.. 72

شکل 6-3 نقشه خود­سازمانده.. 74

شکل 6-4 ميانگين شاخص F1 در روش پيشنهاد­دهي سنتي در مجموعه داده شماره(1) 76

شکل 6-5 ميانگين شاخص F1 براي خوشه­هاي مجزا در مجموعه داده شماره (1) 77

شکل 6-6 ميانگين شاخص F1 در روش پيشنهاد­دهي سنتي در مجموعه داده شماره(2) 78

شکل 6-7 ميانگين شاخص F1 براي خوشه­هاي مجزا در مجموعه داده شماره (2) 78

شکل 6-8 ساختار رابطه­اي نهايي براي نگهداري اطلاعات سيستم پيشنهاد­دهنده 80

شکل 6-9 ميانگين شاخص F1 در روش پيشنهاد­دهي چندبعدی 81

شکل 6-10 ميانگين شاخص F1 در روش پيشنهاد­دهي چندبعدی برای خوشه­هاي مجزا 82

 فهرست جدول­ها

عنوان صفحه

 

جدول 2-1 دسته­بندي کاربرد­هاي تجارت سيار.. 15

جدول 4-1 نمونه­اي از ماتريس کاربر- اقلام براي يک سيستم پيشنهاد­دهنده فيلم 37

جدول 6-1 مشخصات شبکه نقشه خود­سازمانده در مرحله شناسايي کاربران مشابه در روش سنتی.. 76

جدول 6-2 مشخصات شبکه نقشه خود­سازمانده براي شناسايي الگوي مصرف و شناسايي کاربران مشابه 81

 

 فصل اول: مقدمه

1-1 مقدمه

سيستم­هاي پيشنهاد­دهنده در تجارت سياراز جمله موضوعات پر­اهميت سال­هاي اخير بوده­اند که با ظهور تکنولوژي­هاي بي­سيم و تسهيل حرکت تجارت الکترونيکي از محيط­هاي سيمي به سوي بي­سيم­ مورد توجه قرار­گرفته­اند. تجارت سيار به­معناي انجام فعاليت­هاي تجارت­الکترونيک از طريق محيط­هاي بي­سيم، به­طورخاص اينترنت بي­سيم، و وسايل دستي سيار مي­باشد که با­ پيدايش تکنولوژي بي­سيم در عرصه اينترنت و استفاده روزافزون از وسايل سيار توجه به آن رو به افزايش است[1,2]. به کاربرد­هاي تجارت سيار دو خصوصيت ويژه تحرک[1]و دسترسي وسيع[2] نسبت داده­شده­است[1,3] که اولين خصوصيت بر امکان از بين رفتن محدوديت­هاي مکاني و دومين خصوصيت بر امکان از بين رفتن محدوديت­هاي زماني در استفاده کاربران از خدمات اين نوع کاربرد­ها تاکيد دارد[1,3,4,5]. اين­که کاربران براي انجام فعاليت هايي چون بانکداري الکترونيکي يا خريد الکترونيکي محصولات، قادر به جايگزيني وسايلي چون تلفن­هاي سيار و ­همراه­هاي شخصي ديجيتال (پي.دي.اِي)[3]به­جاي کامپيوتر­هاي شخصي باشند، تسهيلات زيادي را براي آنها و فرصت­هاي جديدي را نيز براي کسب وکار­ها فراهم­­­خواهد­کرد و لزوم توجه به اين عرصه را براي محققان نمايان مي­سازد[1,3].

اما پياده­سازي سيستم­هاي پيشنهاد­دهنده در محيط­هاي سيار بدون در­نظر­گرفتن پارامتر­هاي تاثير­گذار در اين محيط چندان مناسب­نخواهد­بود. مجموعه اين پارامتر­ها، اطلاعات زمينه را تشکيل مي­دهند [6].

عملکرد سيستم­هاي پيشنهاد­دهنده معرفي منابع مورد نياز کاربران به آنهاست. اين منابع مي­توانند مواردی مانند اطلاعات خاص مورد نياز کاربر و يا کالاها­يي مانند کتاب يا فيلم مورد علاقه يک کاربر را از ميان انبوه کالاهايي که کاربر با اطلاعات آن­ها روبروست، در­بر­گيرند[7,8,9]. درسيستم­هاي پيشنهاد­دهنده، سه مجموعه داده اصلي يعني مجموعه کاربران (C)، مجموعه اقلام قابل توصيه(S) (مانند کتاب، فيلم، موسيقي و غيره) و مجموعه داده­هايي که رابطه ميان دو مجموعه قبلي را تعريف می­کنند، وجود­دارند. مجموعهS مي­تواند شامل صد­ها، هزار­ها و حتي ميليون­ها کالا در کاربرد­هاي مختلف بوده و به­طور مشابه مجموعه C نيز مي­تواند چنين وضعيتي را داشته باشد. ارتباط ميان دو مجموعهC و S مبتني بر ساختار امتياز­گذاري است که ميزان مفيد بودن يا مورد علاقه بودن کالا را براي کاربر مشخص مي کند. اين ارتباط با تابعي تحت­عنوان تابع سودمندي، u، به صورت رابطه زير تعريف مي­شود[7]:

که در آن Ratings، مجموعه مرتبي مانند اعداد صحيح غير­منفي يا مجموعه اعداد حقيقي در بازه­اي معين مي­باشد.

در سيستم­هاي پيشنهاد­دهنده مقادير u معمولاً فقط بر روي زير مجموعه­اي از دامنه C×S تعريف­شده­است و نه بر تمام آن و قسمت هاي نامشخص اين دامنه را بايد با­استفاده از داده­هاي موجود به­صورت تخميني مشخص نمود. هدف نهايي سيستم­های توصيه­کننده با ارائه پيشنهاد اقلام با بالاترين امتيازات تخميني به کاربران محقق مي­شود به­طوريکه براي هر کاربر ، اقلام با حداکثر ميزان سودمندي انتخاب و معرفي مي­گردد[7].

تا به امروز روش­هاي پيشنهاد­دهي زيادی ارائه شده­است که اين روش­ها و متدولوژی­ها در دسته­بندی­های زير قرار می­گيرند

 


خرید و دانلود يک روش چند بعدي براي پيشنهاد دهنده هاي آگاه  از زمينه در تجارت سيار word

افزایش فالوور اینستاگرام