سیستم های توصیه گر

  • 53 بازدید
  • سیستم های توصیه گر

    سیستم توصیه گر زیرمجموعه ای از سامانه ی پالایش اطلاعات است که به دنبال پیش بینی امتیاز یا اولویتی است که کاربر به یک آیتم (داده، اطلاعات، کالا، ...) خواهد داد. در واقع سیستم توصیه گربا تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسب‌ترین اقلام می نماید.

    در سال های اخیر سیستم های توصیه گر بسیار متدوال شده و در حوزه های مختلفی مورد استفاده قرار گرفته اند. برخی از کاربرد های معروف آن در موارد زیر است :

    فیلم های سینمایی، موسیقی، اخبار، کتاب ها، مقالات تحقیقی، جست و جوی پرسش ها، تگ های اجتماعی و ...

    علاوه بر این سیستم های توصیه گر برای متخصصان، گروه های همکاران، طنزپردازی ها، رستوران ها، خدمات مالی، بیمه عمر و صفحات توییتر ارائه شده است.

    فوایدی که برای مشتری دارد :

    • یافتن محصولات مورد علاقه
    • یافتن محصولات جدید
    • کاهش کاهش زمان جست و جو در حجم زیادی از اطلاعات

    فوایدی که برای تولیدکننده دارد :

    •  افزایش فروش
    • وفاداری مشتری
    • به دست آوردن اطلاعات مشتری و تولید محصولات طبق نیاز مشتری

    مثال هایی از سیستم های توصیه گر :

    • توصیه فیلم (net filix)
    • توصیه محصولات مرتبط (Amazon)
    • رتبه بندی صفحات وب
    • توصیه های شبکه های اجتماعی (Face book)
    • اخبار (Yahoo)
    • توصیه شغل (linked in)

    انواع سیستم های توصیه گر :

    • مبتنی بر محتوا  

                 پیشنهادها بر اساس انتخاب های گذشته کاربر و شباهت بین کالاها

    • مبتنی بر همکاری Collaborative filtering

                 - user-based filtering (براساس شباهت بین کاربران)

                 - item-based filtering (براساس ارتباط بین کالاها)

    • مبتنی بر دانش

                 پیشنهادها براساس دانش سیستم در مورد مشتری و کالا نیازمندی کاربران از طریق سوال و پرسش جمع آوری می شود.

    سیستم توصیه گر بر اساس محتوا :

    ۱- انتخاب های گذشته کاربر

    ۲- مشخصات کالا

     

    سیستم توصیه گر مبتنی بر همکاری :

    سیستم توصیه گر مبتنی بر دانش :

    براساس اطلاعاتی که از شرایط کاربر (context) جمع آوری می کند،پیشنهاد میدهد.

    معایب سیستم مبتنی بر محتوا :

    • دشواری در یافتن شباهت بین آیتم های مختلف
    • آیتم هایی که ممکن است مورد پسند کاربر باشند ولی شباهتی به آیتم های انتخاب شده در گذشته ندارند، به کاربر هر گز پیشنهاد داده نشوند و از دید وی مخفی بمانند.

    معایب سیستم مبتنی بر همکاری :

    • کاربر با سلیقه خاص
    • ورود کاربر جدید به سیستم

    ارسال دیدگاه

    نشانی ایمیل شما منتشر نخواهد شد.

    این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.