FilmTrust : توصیه فیلم با استفاده از اعتماد در شبکه های اجتماعی مبتنی بر وب

سیستم های توصیه گر مبتنی بر اعتماد
سیستم های توصیه گر مبتنی بر اعتماد
در این پست ما به بررسی Film Trust که یک وب سایت در زمینه ارائه توصیه هایی مرتبط با محبوبیت  فیلم ها در شبکه های اجتماعی می باشد ؛ می پردازیم .هم چنین به مکانیسم مورد استفاده در این وی سایت می پردازیم .
اعتماد در شبکه های اجتماعی مبتنی بر وب معنایی از جمله موضوعاتی است که در سالیان اخیر با افزایش علاقه مندان مواجه گردیده است . در این وب سایت یک ماژول اعتماد به کدگذاری اطلاعات می پردازد و این کار با استفاده از FOAF صورت می پذیرد .با ارزش های اعتماد بدست آمده ، می توان چند الگوریتم برای استنتاج بر روی این مقادیر معرفی کرد .آنالیز مبتنی بر وب معنایی نیز با استفاده از این مقادیر اعتماد فضای تعامل بین کاربران را بهینه تر می نماید . مهم ترین الگوریتم مورد استفاده در Film Trust الگوریتم Tidal Trust می باشد که یک الگوریتم اسنتاج در روابط شبکه اعتماد است که در آن از دو نرخ میانگین و نرخ تولید ارزیابی برای محاسبه اعتماد استفاده می شود .
در واقع Film Trust یک سیستم توصیه گر می باشد ؛ سیستم های توصیه گر به دنبال شناسایی آیتم های مورد علاقه کاربران می باشند . این توصیه ها بر اساس شباهت بین آیتم های توصیه شده و میزان شباهت علاقمندی کاربران به یک موضوع شکل می گیرند . در تمامی سیستم های مشابه قبلی (از جمله :Film-consile,Recommendz,Movielense )از یک سیستم فیلترینگ استفاده می شود که در عمل چندان کارآ نمی باشد اما Film Trust سعی می کند به معرفی بهترین آیتم ها از دیدگاه کاربران بپردازد و این کار با محاسبه شباهت بین کاربران صورت می پذیرد .
در Film Trust مولفه ای برای ارائه امتیاز به فیلم ها توسط هر کاربر قرار داده شده است . کاربر هنگامی که یک فیلم را در اختیار می گیرد (در واقع برای مشاهده فیلم آن را اجاره می کند ) به آن فیلم امتیازی می دهد تا سایر دوستان وی نیز از ارزش آن فیلم مطلع شوند  ، چرا که سایر کاربرانی که قصد اجاره یک فیلم را دارند می خواهند از کیفیت آن فیلم قبل از پرداخت وجه مطلع شوند .
در Film Trust کاربر می تواند پروفایل خود را طوری تنظیم کند تا دیگران شاهد نظرات شخصی وی نباشند ، بدین طریق کاربر نگران حریم خصوصی خود نخواهد بود و به راحتی و بدون ترس یا خجالت می تواند نظرات خود را از نیم ستاره تا چهار ستاره اعلام کند . برای هر فیلم دو عدد نشان داده می شود اول میانگین ساده وزنی ستاره ها که جنبه یک اعتماد عمومی را دارد و دوم رتبه توصیه شده به فرد می باشد که بر اساس شبکه اعتمادی که کاربر دارد (شبکه اعتماد کاربر  از دوستان حاضر در شبکه اجتماعی شکل می گیرد) بدست می آید . فرمول محاسبه این رتبه توصیه شده کار ساده ای است و بار محاسباتی زیادی ندارد .(برای بررسی روابط  به اصل مقاله که آدرس دانلود آن در انتهای مقاله آمده است مراجعه کنید ) .
هم چنین در Film Trust برای برسی دقت توصیه محاسبه شده روند ساده ای به کار گرفته می شود به طوری که اگر امتیاز کاربر برای فیلم های مختلف از متوسط امتیازات کمتر است نشان دهنده سلیقه ای بودن (Subjective) نظر کاربر می باشد . و از طرفی دیگر برای مواقعی هم که برای یک فیلم تعداد نظرات کافی وجود ندارد راهکارهای اندیشیده شده است .
هم چنین برای این که بتوان برای نظرات اعتماد به یک اطمینان دست یافت برای افرادی که اعتماد موثرتری را برای فیلم ها ارائه داده اند و اعتماد آن ها نتایج مثبتی در تعاملات قبلی داشته است مقدار اطمینان بیشتری در نظر گرفته می شود .
برای دانلود کامل مقاله لاتین به لینک زیر مراجعه کنید .
نویسنده و گردـآورنده : مسعود معاونی –  نیلوفر مظفریان – ایمان حجتی
منبع : دانلود اصل مقاله از این آدرس (FilmTrust: Movie Recommendations from Semantic Web-based Social Networks)

 

https://telegram.me/moaveni_ir
https://telegram.me/moaveni_ir

نوشته‌های تازه

آخرین نظرات

    بایگانی

    دسته‌ها

    مسعود معاونی نوشته شده توسط:

    مسعود معاونی کارشناس ارشد فناوری اطلاعات ، طراح وب ، سئو سایت مدیر ارشد کسب و کار الکترونیک

    اولین نفری باشید که نظر می دهد.

    دیدگاهتان را بنویسید

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