مدل لايه‏ اي اعتماد آگاه از اطمينان براي بهبود دقت توصيه‏ ها در سيستم‏هاي پيشنهاددهنده

پالايش همكارانه يك رويكرد متداول در سيستم‏هاي پيشنهاددهنده است. با وجود اين، كارآمدي رويكرد مذكور در شرايط خلوتي داده‏ها و كاربران شروع سرد تنزل مي‏يابد. به همين دليل محققان به ارائه رويكردهاي مكمل روي آورده‏اند كه از جمله آنها مي‏توان به تلفيق مدل‏هاي اعتماد محاسباتي با رويكرد پالايش همكارانه اشاره كرد. در سال‏هاي اخير در برخي از مدل‏هاي اعتماد، پارامتر اطمينان به عنوان معيار دقت تخمين اعتماد مورد توجه قرار گرفته و نشان داده شده است كه مدل‏هاي اعتماد آگاه از اطمينان در بسياري از كاربردها باعث افزايش دقت و كارآمدي مي‏شوند. در اين مقاله يك مدل لايه‏اي اعتماد آگاه از اطمينان براي افزايش دقت توصيه‏ها در سيستم پيشنهاددهنده معرفي مي‏گردد. اين مدل شامل چهار لايه ارزشيابي، اعتماد مستقيم، اعتماد غيرمستقيم و پيشنهاد است. براي تخمين اعتماد دو رويكرد اعتماد ضمني و اعتماد صريح براساس روابط تجميع مدل منطق ذهني با يكديگر تركيب مي‏شوند. اطمينان در لايه اعتماد مستقيم براساس تعداد و تازگي ارزشيابي‏ها و در لايه اعتماد غيرمستقيم براساس طول زنجيره اعتماد و سازگاري نظرات محاسبه مي‏گردد. در لايه پيشنهاد، سناريوهاي مختلفي براي انتخاب آيتم‏ها براساس اعتماد و اطمينان مورد مقايسه قرار مي‏گيرد. مدل پيشنهادي بر روي دو مجموعه‏داده شناخته‏شده Epinions و FilmTrust مورد ارزيابي قرار گرفته است. مقايسه نتايج حاصل با برخي روش‏هاي موجود قبلي بيانگر برتري قابل‏ملاحظه روش پيشنهادي از نظر معيارهاي دقت و پوشش توصيه‏ها است.