بهبود دقت سيستم‌‏هاي پيشنهاددهنده با تخمين اعتماد آگاه از زمان، مكان و زمينه بر اساس خوشه ‏بندي و توزيع بتا

در دهه‌‏هاي اخير رويكرد محاسبه و اعمال اعتماد بين كاربران در طراحي سيستم‏هاي پيشنهاددهنده مورد توجه محققان قرار گرفته است. با وجود اين، اغلب سيستم‏هاي پيشنهاددهنده مبتني بر اعتماد فقط از يك فاكتور براي تخمين مقدار اعتماد استفاده مي‌‏كنند. در اين مقاله يك رويكرد چندفاكتوري براي تخمين اعتماد بين كاربران سيستم‏هاي پيشنهاددهنده ارائه مي‌‏شود. در طرح پيشنهادي، ابتدا كاربران سيستم براساس شباهت مبتني بر اطلاعات دموگرافيك و تاريخچه ارزشيابي‏ها خوشه‌‏بندي مي‌‏شوند. براي تخمين ارزشيابي كاربر فعال به يك آيتم خاص، مقدار اعتماد بين او و ساير كاربران هم‏خوشه‌‏اش با درنظرگرفتن فاكتورهاي زمان، مكان، و زمينه ارزشيابي محاسبه مي‌‏شود. براي اين منظور، ما الگوريتمي مبتني بر توزيع بتا معرفي مي‏‌كنيم. يك معيار مبتني بر درخت جديد براي محاسبه شباهت معنايي بين زمينه‌‏ها مورد استفاده قرار مي‌‏گيرد. در نهايت،‌ ارزشيابي كاربر فعال با استفاده از ميانگين‌‏گيري وزني تخمين زده مي‌‏شود كه مقادير اعتماد به عنوان وزن در ميانگين‌‏گيري منظور مي‌‏شوند. طرح پيشنهادي بر روي سه مجموعه‌‏داده مطرح اجرا شده و ارزيابي و مقايسه نشان مي‌‏دهد كه اين طرح نتايج بهتري از نظر ملاك‏هاي دقت و كارآمدي نسبت به روش‏هاي موجود ارائه مي‌‏كند.