دانلود پایان نامه

ا و پارامترها براي سيستم توصيهگر مبتني بر اعتماد مطرح شده است و آناليزي در خصوص اينکه کداميک از اين پارامترها به صورت همزمان ميتوانند تامين و برآورده گردند صورت ميگيرد. در اين مدل، گراف ميان کاربران با تکنيک پيمايش تصادفي پيمايش ميگردد و نظرات کاربران در قالب دو مقدار 1+ و 1- در نظر گرفته شده است اما آزمايشاتي براي ارزيابي عملکرد آن توسط مطرح کنندگانش صورت نگرفته است و نمي توان مقايسه دقيقي با ساير مدلهاي موجود داشت .

3-2-5- مدل ارائه شده توسط O’Donovan

در تحقيق انجام شده توسط O’Donovan مقوله اعتماد به صورت متفاوتي تعريف و مورد استفاده قرار گرفته است [76]. در اين تحقيق، شبکه اجتماعي بر اساس تشابه پروفايل کاربران ايجاد و استخراج ميگردد نکته لازم به ذکر اين است که اين شبکه نمي تواند اطلاعاتي را که يک شبکه اعتماد تامين ميکند را توليد کند. در اين تحقيق دو سطح براي اعتماد در نظر گرفته شده است که سطح اول اعتماد در سطح پروفايل کاربران ميباشد که در واقع يک معيار اعتبار سراسري در سطح شبکه کاربران است و سطح دوم اعتماد در سطح آيتمها ميباشد که در آن يک کاربر بر اساس صحت و قابل اعتماد بودن نظراتش در خصوص آيتم هاي مختلف مورد اعتماد ساير کاربران قرار مي گيرد و معياري براي رابطه اعتماد مستقيم ميان دو کاربر مطرح نميباشد. از مقادير اعتماد محاسبه شده، براي فيلتر نمودن کاربران نظر دهنده استفاده ميگردد و پيشبيني امتياز نهايي توسط تجميع وزني امتيازات اين کاربران به آيتم هدف بر اساس ترکيب ميزان اعتماد و تشابه انجام ميپذيرد. در اين مکانيزم از توزيع پذيري اعتماد استفاده نشده است و تنها اعتماد مستقيم مد نظر قرار گرفته است و مي توان گفت اين روش، يک روش سيستم توصيهگر مبتني بر اعتماد نيست.

3-2-6- مدل TrustWalker

يکي ديگر از بهترين و بروزترين تحقيقات انجام شده در زمينه سيستمهاي توصيهگر مبتني بر اعتماد، مدل ارائه شده توسط Jamali از دانشگاه Simon Fraser کانادا ميباشد. اين مدل که تحت نام TrustWalker مطرح شده است [20] يک مدل توصيهگر ترکيبي است که از ترکيب شيوه پالايش گروهي مبتني بر آيتم و مدلهاي مبتني بر اعتماد ايجاد شده است و سعي در تجميع مزاياي هر دو روش و کاهش نقايص هر کدام به تنهايي دارد.
در اين مدل براي پيش بيني امتياز کاربر مبدا u به آيتم هدف i چندين پيمايش تصادفي90 که همگي از کاربر مبدا u آغاز خواهند شد در شبکه اعتماد ميان کاربران، صورت ميگيرد که در هريک از آنها سعي ميشود تا کاربري که داراي امتياز به آيتم i يا آيتمي شبيه آيتم i ميباشد يافته شود و نظر او به عنوان نتيجه اجراي يک پيمايش تصادفي بازگردانده شود. چندين پيمايش تصادفي اجرا ميگردد و از تجميع نتايج آنها پيشبيني امتياز نهايي کل الگوريتم به آيتم i مشخص خواهد شد.
همان طور که پيشتر از اين نيز بيان شد يکي از مسائل مهم و اصلي در سيستمهاي توصيهگر مبتني بر اعتماد، حداکثر عمق حرکت در شبکه اعتماد ميان کاربران ميباشد چراکه ميان دقت و درصد پوشش رابطهاي معکوس وجود دارد به اين مضمون که هرچه در شبکه اعتماد پيشروي شود امکان يافتن افرادي که به آيتم مورد نظر امتياز داده باشند بيشتر خواهد شد که اين مسئله باعث افزايش درصد پوشش ميگردد ولي در مقابل با دورتر شدن از کاربر مبدا اعتماد به نظرات کاربران نظر دهنده کاهش مييابد که اين امر ميتواند باعث کاهش چشمگير دقت گردد. در اين مدل جهت حل مطلب فوق سعي شده است که توازني ميان دقت و درصد پوشش ايجاد گردد به اين معني که نظرات کاربران نزديک، در خصوص آيتم هاي مشابه آيتم هدف که داراي اعتماد بيشتري نزد کاربر مبدا مي باشند به نسبت نظر کاربراني که در فواصل دور قراردارند ولي دقيقا به آيتم هدف امتياز دادهاند از ارزش و اعتبار بيشتري برخوردار است لذا اين امر زمينه ساز ترکيب روش پالايش گروهي مبتني بر آيتم و مکانيزم مبتني بر اعتماد گرديده است.

3-2-6-1- ساختار مدل TrustWalker

در اين مدل از پيماش تصادفي براي حرکت در شبکه اعتماد ميان کاربران استفاده شده است که نه تنها نظرات کاربران در خصوص آيتم هدف را مد نظر قرار ميدهد بلکه نظرات ايشان در خصوص آيتمهاي مشابه را نيز مد نظر قرار ميدهد. در اين روش دو مولفه اصلي وجود دارد که عبارتند از:
اجراي پيمايش تصادفي بر روي شبکه اعتماد ميان کاربران
انتخاب احتمالي آيتم ها بر اساس تشابه آنها با آيتم هدف
بخش اول وظيفه حرکت در ميان شبکه اعتماد را بر عهده دارد و بخش دوم توجه خود را به يافتن آيتمهاي مشابه آيتم هدف و امتيازات آنها معطوف ميدارد تا از حرکت بيش از حد در عمق شبکه جلوگيري شود بنابراين اين مدل با در نظر گرفتن کاربران نظر دهنده در فواصل نزديک باعث بهبود دقت و همچنين با در نظر گرفتن آيتمهاي مشابه آيتم هدف علاوه بر خود آيتم هدف، باعث بهبود درصد پوشش خواهد شد.

3-2-6-2- تشابه آيتم ها

در سيستمهاي توصيهگر مبتني بر محتوا از مولفهها و خصوصيات آيتمها براي محاسبه تشابه استفاده ميگردد ولي در تکنيکهاي پالايش گروهي مبتني بر آيتم، تنها اطلاعات موجود در خصوص يک آيتم، امتيازات تخصيص داده شده به آن توسط کاربران مختلف ميباشد لذا همانند بسياري از تحقيقات انجام گرفته در اين زمينه در اين مدل نيز از فرمول پيرسون (فرمول شماره 4) براي محاسبه تشابه دو آيتم استفاده ميگردد.

3-2-6-3- خصوصيات ويژه مدل TrustWalker

اين مدل داراي ويژگيهاي خاصي مي باشد که فهرست وار عبارتند از:
فراگير
ي و عموميت مدل91
اطمينان به نتايج حاصل92
تفسيرپذيري و قابل توضيح بودن نتايج93

3-2-6-3-1- فراگيري و عموميت مدل

اين مدل به گونهاي طراحي شده است که تکنيک پالايش گروهي مبتني بر آيتم و مدل مبتني بر اعتماد خالص را به عنوان حالتهاي خاص در درون خود به همراه دارد. اگر براي تمامي کاربران، احتمال توقف در آنها در جستجوي امتياز آيتم هدف i، برابر صفر در نظر گرفته شود در اين صورت پيمايش تصادفي اصلا آغاز نميشود و امتياز تخصيص يافته به يکي از آيتمهايي که توسط کاربر مبدا u_0 به آنها امتيازي داده شده است به عنوان پاسخ بازگردانده ميشود. از آنجائيکه احتمال انتخاب يک آيتم، متناسب با مقدار تشابه آن با آيتم هدف ميباشد امتياز پيشبيني شده، ميانگين وزني امتيازات آيتمهاي امتياز داده شده توسط کاربر u_0 با وزن نسبت تشابه آنها با آيتم هدف i خواهد بود که اين نتيجه در واقع معادل اجراي تکنيک پالايش گروهي مبتني بر آيتم معرفي شده در [22] مي باشد.
از طرف ديگر اگر براي تمامي کاربران موجود، احتمال توقف در آنها در جستجوي امتياز آيتم هدف i برابر صفر فرض شود در اين صورت پيمايشهاي تصادفي تا زمانيکه دقيقا امتيازي براي آيتم هدف i نيابند ادامه خواهند يافت و امتياز پيش بيني شده، نتيجه تجميع امتيازات بيان شده توسط کاربران نظر دهنده در خصوص آيتم i، متناسب با احتمال رسيدن به هريک از اين کاربران در شبکه با شروع از u_0 خواهد بود. روشهاي معرفي شده در [15][39] سعي در تخمين همين احتمال دارند. بنابراين مدل TrutWalker يک مدل بلوغ يافته از مدلهاي مذکور است و به عنوان يکي از سيستمهاي توصيهگر جامع مبتني بر اعتماد مطرح ميباشد .

3-2-6-3-2- اطمينان به نتايج حاصل

همان طوري که قبلا نيز اشاره شد اکثر سيستمهاي توصيهگر موجود اطميناني در خصوص نتايج خود به کاربرانشان ارائه نميدهند در حاليکه کاربران اين سيستمها علاقهمند هستند که از ميزان قابل اطمينان بودن نتايج آگاه باشند. در مدل TrustWalker اين امکان وجود دارد که بر اساس واريانس نتايج حاصل، معياري در قالب اطمينان را تعريف نمود. هرچه که ميزان واريانس نتايج حاصل کمتر باشد اطمينان به نتايج بالاتر خواهد بود. براي تبديل واريانس به مقدار و درجهاي که بتواند اطمينان را نشان دهد فرمول زير تعريف شده است.
(14)
confidence=1-?^2/(max?^2 )

در اين فرمول?^2 واريانس و max?^2 حداکثر واريانس نتايج حاصل است و براي نرمال سازي نتايج استفاده شده است. اگر امتيازات در يک محدوده مشخص مانند ]5,1[ باشند و اندازه اين محدوده را در قالب متغير Range تعريف کنيم ميتوان ثابت نمود که max?^2=?Range?^2/4 خواهد بود. علاوه بر آن اگر نتايج حاصل از اجراي پيمايشهاي تصادفي يکسان باشد واريانس صفر خواهد بود که در اين حالت مقدار اطمينان به نتايج 100% خواهد بود و اگر مقدار واريانس بسيار بالا باشد مقدار اطمينان به 0% نزديک خواهد شد.

3-2-6-3-3- تفسيرپذيري و قابل توضيح بودن نتايج

مفهوم قابل توضيح بودن نتايج اين است که سيستم توصيهگر بتواند توضيح دهد که چگونه امتيازات را پيشبيني کرده است يا به عبارت ديگر، کاربران درک کنند که چرا و چگونه آيتمهاي خاصي به ايشان پيشنهاد شده است.
در اين مدل براي پيشبيني امتياز کاربر u به آيتم i، احتمال اينکه از ميان همسايگان مستقيم کاربر u، کاربر v انتخاب شود محاسبه ميگردد و نتايج حاصل از اجراي پيمايشهاي تصادفي مختلف، از کاربران متفاوتي حاصل ميگردد لذا کاربراني که که بيشترين نتايج حاصل را توليد ميکنند کاربراني هستند که از احتمال بالاتري برخوردار باشند و در واقع مي توان آنها را به عنوان کاربران تاثيرگذار در نتايج سيستم توصيهگر معرفي و تفسير نمود.
در مقابل آيتمهايي نيز وجود دارند که از احتمال انتخاب بالايي در پيمايشهاي تصادفي مختلف برخوردار هستند که آنها را نيز ميتوان به عنوان آيتمهاي تاثير گذار در نتايج تفسير نمود و در نهايت ميتوان به کاربران توضيح داد که نتايج و امتيازات ارائه شده به ايشان حاصل امتيازات و نظرات کاربران تاثير گذار و مورد اعتماد و همچنين آيتمهاي مشابه آيتم هدف ميباشد.

3-2-6-4- نمايش ماتريسي مدل TrustWalker

مدل TrustWalker را همانند هر مدل مبتني بر پيمايش تصادفي، مي توان در قالب ماتريس بيان و محاسبه نمود ولي به دليل پيچيدگيها و نيازمنديهاي سخت افزاري بسيار بالا (حافظه RAM) براي مجموعه دادههاي بزرگ مانند epinions، قابل اجرا و عملياتي نميباشد. همچنين در روش ماتريسي نياز است تا به اطلاعات کل شبکه به صورت يکجا دسترسي داشت در حاليکه در روش پيمايش تصادفي ميتوان به صورت محلي عمل نمود و در هر لحظه تنها به بخشي از اطلاعات شبکه دسترسي داشت.

3-2-6-5- نتيجه گيري در خصوص مدل TrustWalker

اين مدل ترکيبي توانسته است در رقابت با ساير روشهاي گفته شده خصوصا در زمينه حل مشکل کاربران تازه وارد نتايج بسيار مثبت و قابل توجهي ارائه دهد و در خصوص افزايش ميزان معيار پوشش و کاهش خطا، با در نظر گرفتن کليه کاربران نيز گامهاي موثري برداشته است. با توجه به ويژگيها و خصوصيات اين مدل ترکيبي و همچنين دسترسي به نتايج آزمايشات صورت گرفته توسط محقق بر روي مجموعه داده epinions و خصوصا انجام آزمايشات مجزا جهت بررسي چگونگي عملکرد مدل ارائه شده براي کاربران تازه وارد اين مدل به عنوان پايه و اساس اين تحقيق در نظر گرفته شده است.
در فصل آينده جزئيات اين مدل و چگونگي عملکرد آن به صورت کامل تشريح و سپس مطالعات و تحقي
قات صورت گرفته جهت توسعه و رفع نقايص آن به همراه جزئيات تغييرات مورد نظر براي بهبود عملکرد کلي اين مدل به تفصيل بيان خواهد شد.

فصل چهارم

تشريح مدل ترکيبي پيشنهادي و چگونگي توسعه و بهبود مدل پايه

تشريح مدل ترکيبي پيشنهادي و چگونگي توسعه و بهبود مدل پايه

4-1- مقدمه

در اين فصل ابتدا به تشريح بخشهاي مختلف مدل پايه TrustWalker پرداخته ميشود و الگوريتم و چگونگي عملکرد آن در پيشبيني امتياز آيتم هدف مورد نظر کاربر مبدا تشريح ميگردد و سپس مطالب و مفاهيمي که جهت تغيير، توسعه و بهبود عملکرد آن مدنظر قرار گرفته است بيان و تشريح ميگردند.

4-2- تشريح مدل کلي TrustWalker

4-2-1- علائم نشانه گذاري و متغيرهاي مدل

به صورت کلي براي کاربران از علائم u، v، w و براي آيتمها از علائم i، j و … استفاده ميشود و متغير k بيانگر ميزان عمق پيشروي در شبکه ميباشد و به عبارت ديگر مرحله فعلي پيمايش تصادفي را مشخص ميکند همچنين احتمال توقف در گره کاربر u در جستجوي امتياز آيتم i با گذشت k مرحله از آغاز يک پيمايش تصادفي با ?_(u,i,k) نمايش داده ميشود.

4-2-2- روند يک پيمايش تصادفي در شبکه94

در ذيل روند اجراي يک پيمايش تصادفي با آغاز از کاربر مبدا u_0 در قالب يک الگوريتم بيان ميگردد .
آغاز از کاربر u_0 و تعيين k=0
انتخاب تصادفي يکي از همسايگان مستقيم u_0 (کاربران مورد اعتماد u_0)
حرکت به گره کاربر انتخاب شده تحت عنوان u و افزايش مقدار k (k++)
اگر u در خصوص آيتم هدف i داراي نظر و امتياز باشد پيمايش تصادفي متوقف ميشود و نظر کاربر u در خصوص آيتمi (r_(u,i)) به عنوان جواب بازگردانده ميشود.
در صورتيکه کاربر u در خصوص آيتمi داراي نظر و امتياز نباشد دو حالت مختلف در نظر گرفته ميشود:
5-1- با احتمال ?_(u,i,k) پيماش شبکه متوقف شود و به صورت تصادفي يکي از آيتمهاي شبيه آيتم i (مانند آيتمj ) که توسط u به آنها امتيازي داده شده است انتخاب گردد و r_(u,j) به عنوان جواب بازگردانده شود.
5-2- با احتمال ?1-??_(u,i,k) پيمايش شبکه ادامه پيدا کند و يکي از کاربران مورد اعتماد u مانند vبه صورت تصادفي انتخاب و اين چرخه ادامه پيدا نمايد.
با توجه به روند فوق ممکن است حالتي در شبکه وجود داشته باشد که اين روند تا بينهايت ادامه پيدا کند که براي جلوگيري از اين مطلب و عدم پيشروي بيش از حد در عمق شبکه، حداکثر عمق مجاز با توجه به ايده مطرح شده در [77] مقدار 6 در نظر گرفته شده است. بنابراين در صورتيکه مقدار متغير k بزرگتر از 6 گردد اجراي روند متوقف شده و مقداري بازگردانده نخواهد شد که در پيادهسازي انجام شده توسط اينجانب مقدار بازگشتي 1- در نظر گرفته شده است.

4-2-3- انتخاب تصادفي يک کاربر

در صورتيکه در اجراي روند پيمايش تصادفي شبکه اعتماد، مقرر شد يکي از کاربران مورد اعتماد کاربر u به صورت تصادفي انتخاب گردد، با توجه به اين نکته که در مدل TrustWalker مقدار رابطه اعتماد ميان کاربران به صورت باينري (وجود يا عدم وجود اعتماد) در نظر گرفته شده است لذا احتمال انتخاب هريک از همسايگان مستقيم کاربر u از رابطه زير محاسبه ميگردد.
(15)
P(S_u=v)=t_(u,v)/(?_(w?TU_u)?t_(u,w) )=1/|TU_u |

در اين فرمول S_u يک متغي


دیدگاهتان را بنویسید