سيستم پيشنهاد دهنده مبتني بر آنتولوژي و زمان

Item Recommendation System based on Ontology and Time

افزايش حجم اطلاعات در وب، انگيزه اصلي ايجاد سيستم هاي پيشنهاددهنده است. چنين سيستم هايي كاربران را درحالي كه با فضاي اطلاعاتي بزرگي در ارتباط هستند پشتيباني كرده و آنها را به سمت اطلاعات مورد نيازشان هدايت مي كند. سيستم هاي پيشنهاد دهنده با مشكلاتي از قبيل كاربر جديد و پراكندگي داده ها مواجه هستند. همچنين اين سيستم ها كمتر به دانش حوزه كاربردي و آنتولوژي سايت توجه مي كنند. در اين مقاله سيستم پيشنهاد دهنده اي به نام OntoTimes معرفي مي شود كه علاوه بر در نظرگرفتن روابط معنايي برچسب هاي منتسب شده توسط كاربران با آنتولوژي سايت، علايق زماني كاربران را نيز در ارايه پيشنهادات در نظر مي گيرد. ارزيابيهاي انجام شده نشان مي دهد كه سيستم پيشنهاد دهنده OntoTimes به دليل توجه به فاكتور زمان، نسبت به سيستمي كه فقط مبتني بر آنتولوژي است به دقت بهتري، به مقدار 47% در مقابل 37% رسيده است.

Increasing amount of information on the web has motivated the creation of the recommendation systems. These systems support users that are associated with large information spaces and lead them to the information they exactly need. Recommendation systems are still limited by several problems, such as sparsity, or the new user problem, They also fail to make full usage and harness the power of domain knowledge and semantic web ontologies. In this paper a recommendation system, called Onto Times, is proposed that comprises semantic relation of users associated tags with siteʹs ontology, further, it involves users time interests in recommendations. Evaluations demonstrate that Onto Times recommendation system, since users time interests are involved, achieves better accuracy (47%) against the recommendation system that are only based on ontology (37%).