عنوان	یک راهکار چند هدفه مبتنی بر اعتماد برای بهبود کارایی سیستم های توصیه گر
نوع پژوهش	پایان نامه
کلیدواژه‌ها	سیستم توصیه‌گر- بهینه‌سازی کلونی مورچه‌ها، تنوع در سیستم های توصیه، دقت در سیستم های پیشنهادی
چکیده	سیستم‌های توصیه‌کننده به بخش جدایی‌ناپذیر و حیاتی کسب‌وکارهای آنلاین مختلف برای دستیابی به تجربه کاربری بهتر و رشد مشتری و درآمد تبدیل شده‌اند. دقت و تنوع توصیه ها معیارهای مهمی برای ارزیابی عملکرد سیستم توصیه گر هستند. بسیاری از استراتژی های مختلف در ادبیات موجود توسعه داده شده است تا تعادل بین دقت و تنوع ایجاد شود. با این حال، این روش‌ها اغلب بر یک استراتژی مبادله‌ای یک‌اندازه و متناسب با همه بدون در نظر گرفتن موقعیت توصیه‌های خاص هر کاربر تمرکز می‌کنند، که منجر به بهبود تنها در تنوع فردی یا تنوع کلی می‌شود.[1] یک سیستم توصیه‌گر موارد یا اطلاعاتی را جستجو می‌کند که براساس رفتارهای قبلی کاربر و ویژگی‌های آیتم‌ها برای کاربر مفید باشد، سیستم‌های توصیه‌گر همچنین باید بتوانند موارد بسیار خاص یا شخصی‌شده را در اختیار کاربر قرار دهند، که اغلب با معیار تنوع اندازه‌گیری می‌شوند، عملکرد سیستم های توصیه گر را می توان در چندین بعد ارزیابی کرد، مانند دقت توصیه ها برای هر کاربر و تنوع توصیه ها در بین کاربران مختلف. هدف سیستم‌های توصیه‌‌ کننده کمک به کاربران برای یافتن اطلاعات مرتبط بر اساس اولویت های خود به جای جستجوی حجم گسترده اطلاعات با استفاده از موتورهای جستجو است. یکی از موضوعات پیشرو در تحقیقات سیستم های توصیه‌گر تنوع است که نه تنها به عنوان راهی برای حل مشکل بیش از حد برازش ، بلکه رویکردی برای افزایش کیفیت تجربه کاربر با سیستم توصیه‌گر است. اهمیت تنوع در این واقعیت نهفته است که هدف دوگانه دارد: افزایش رضایت کاربر از توصیه‌های ارائه‌شده و کاهش مشکل بیش از حد برازش. در این رساله ما با اجرای الگوریتم جستجوی بهینه‌سازی کلونی مورچه‌ها(ACO) بر روی گرافی از کاربرها برای هر کاربر لیست‌ی از پشنهادها با تنوع بیشتر و دقت قابل‌قبول ایجاد می‌کنیم. با ارائه یک روش پیشنهادی به مساله تبادل بین دقت و تنوع در سیستم های توصیه گر از دیدگاه های مختلف بپردازیم و با استفاده از الگوریتم های فراابتکاری یک راهکار جدید ارائه گردد تا هدف ما را که توسعه روش‌های رتبه‌بندی جدید برای بهبود تنوع بدون کاهش بیش از حد دقت است را بهبود بخشد. رویکرد پیشنهادی شامل 4 مرحله است. در مرحله اول برای هر کاربر هدف، یک فیلتر اولیه از کاربرها انجام می‌شود تا کاربران مشابه کاربر هدف یافت شود، در مرحله دوم یک گراف از کاربرهای انتخاب‌شده(فیلتر شده) مرحله قبل تشکیل می‌شود تا اجرای الگوریتم جستجوی بهینه‌سازی کلونی مورچه‌ها روی آن اجرا شود. در مرحله سوم تعداد p کاربر که در مسیرهایی با بیشترین مقدار فرومون، وجود دارند به عنوان لیست توصیه شده انتخاب می‌شوند. و در مرحله آخر لیستی از آیتم های متنوع به کاربرها پیشنهاد می شود. در این فصل هر یک از این مراحل با جزئیات توضیح داده می‌شوند جهت ارزیابی دقت، تنوع و تازگی، چند آزمایش بر روی سه مجموعه داده واقعی انجام شد و عملکرد روش نیز بر روی گروه‌های مختلف از کاربران مورد سنجش قرار گرفت.
پژوهشگران	فاطمه دانشفر (Fatemeh Daneshfar) (استاد راهنما)، پرهام مرادی دولت آبادی (استاد راهنما)، فلور ناصری (دانشجو)