مقدمه ای بر سیستم های توصیه کننده

یکی از مهم ترین و پراستفاده ­ترین روش های فیلترینگ در سیستم های پیشنهادگر روش فیلترینگ مشارکتی می­باشد. در این روش ابتدا باید اجازه داد تا کاربران در سیستم مشارکت نمایند و به اقلام مختلف موجود در سیستم امتیاز دهند (مثل ویدئو ها، فیلم هاو…). رایج ­ترین الگوریتم مورد استفاده در روش CF، الگوریتم  k نزدیک ترین همسایه می­باشد. برای این الگوریتم دو رویکرد وجود دارد. در رویکرد اول که نگاهی کاربر به کاربر به سیستم دارد KNN  سه گام زیر را جهت ایجاد توصیه برای کاربر فعال انجام می­دهد:

1. گام اول –  بر اساس یک معیار شباهت (کسینوس، همبستگی پیرسون و…)  برای کاربر فعال a، k کاربر همسایه انتخاب می­شود. این همسایگان، آنهایی هستند که بیش ترین شباهت را به کاربر  a دارند.
2. گام دوم – به ازای تمامی آیتم های موجود در سیستم، معیاری کمی جهت پیشبینی آنکه آیا آیتم i مورد پسند کاربر a  قرار خواهد گرفت یا خیر محاسبه می­شود.  محاسبه این معیار کمی با استفاده از راهکار های مختلفی (مثل میانگین امتیازات) از روی امتیاز هایی که همسایگان کاربر a به آیتم i داده اند حاصل می­شود.
3. گام سوم– بر اساس گام دوم، از بین تمامی آیتم ­ها N آیتمی که بیشترین مقدار پیشبینی را دارند به کاربر پیشنهاد داده می­شوند.

از جمله مزیت ­های این الگوریتم سادگی و در عین حال دقت نتایج حاصل از آن است. باید توجه داشت که در این راهکار سیستم بر مبنای امتیازات، آیتم­ ها را رتبه بندی می­کند و آیتم هایی با بیشترین امتیاز را به کاربر پیشنهاد می­دهد. به همین دلیل در صورتی که سیستم تازه شروع به کار کرده باشد و یا آیتم جدیدی به سیستم اضافه شود، اطلاعات کافی از آیتم ها در دسترس نخواهد بود و در نتیجه نمی­توان به درستی امتیاز دهی و نرخ گذاری را انجام داد. این یکی از مشکلات اساسی و مهم در اینگونه سیستم ها ست که با عنوان شروع سرد شناخته می­شود. البته این سیستم ها از مشکل دیگری نیز رنج می­برند که پراکندگی داده ها می­باشد. بدین معنی که اطلاعات در سیستم وجود دارد اما پراکنده هستند و نمی­توان به درستی و با قطعیت گفت که چه آیتمی مقبولیت بیشتری دارد.

مشکلات دیگر این رویکرد عبارتند از مقیاس پذیری کم و آسیب پذیری در مقابل پراکندگی داده ها در پایگاه داده. با افزوده شدن کاربر جدید به سیستم معیار­های شباهت و مقادیر پیشبینی ها باید مجددا حساب شوند که با افزایش تعداد کاربران و بزرگ شدن سیستم این مسئله سر­بار محاسباتی زیادی را به سیستم وارد  می­آورد و مشکل ساز می­شود.

برای حل مشکل مقیاس پذیری در این الگوریتم، نسخه دیگری از آن با رویکردی متفاوت ارائه شده است. این رویکرد نگاه آیتم به آیتم دارد و توانسته است مشکل مقیاس پذیری را تا حد قابل توجهی کاهش دهد. در این نسخه نیز سه گام اصلی دیده می­شود که به شرح زیر می­باشند :

1. گام اول –  ابتدا بر اساس معیارهای شباهت برای هر آیتم i تعداد q همسایه را تعیین می­کنیم.
2. گام دوم – در صورتی که کاربر a به آیتم i تاکنون امتیازی نداده باشد، بر اساس امتیازاتی که این کاربر به آیتم ­های همسایه i داده است مقدار پیش بینی را محاسبه می­کنیم.
3. گام سوم – بر اساس مقادیر پیش بینی ­ها، آیتم ­هایی که بیشترین مقدار پیشبینی را دارند به کاربر a پیشنهاد می­کنیم.

اساس کار در سیستم ­های پیشنهادگر مبتنی بر CF تعیین میزان شباهت بین کاربران و آیتم­ها ست تا بتوان همسایگی را بدست آورد. برای این منظور به یک معیار شباهت نیاز است. در روش های سنتی، شباهت بر اساس امتیاز دهی تعیین می­شد. بدین گونه که اگر دو کاربر به یک آیتم رای می­دادند سیستم نتیجه می­گرفت که شباهتی بین این دو کاربر وجود دارد. در معیار تطبیق پذیری ارائه شده که فاکتور زمان را به عنوان پارامتر مهمی برای اندازه گیری تشابه کاربران در­نظر می­گیرد. این رویکرد، به خصوص مواقعی که علایق کاربران در طول زمان تغییر می­کند بسیار کارآمد است. در مورد آیتم ­ها نیز این مسئله به گونه ­ای دیگر قابل تعریف است. بدین صورت که در صورتی که به دو آیتم توسط کاربران یکسانی رای داده شود سیستم احتمال می­دهد که شباهتی بین این دو آیتم وجود دارد. در کنار این معیارها، موارد دیگری نیز مطرح هستند که از آنها در تعیین شباهت بین کاربران و آیتم ­ها استفاده می­شود. برخی از این معیار ها عبارتند از: کسینوس، همبستگی پیرسون، اختلاف مربع میانگین.