منصة الرسائل والاطاريح: تحسين نظام توصية مستند على البيانات المفتوحة المرتبطة لنطاقات متعددة

الخلاصة

الويب الدلالي والبيانات المفتوحة المرتبطة (LOD) جعلت البيانات قابلة للقراءة من قبل الأجهزة فضلاً عن المستخدمين. LOD ، هو مجموعة مبادئ نشر البيانات المهيكلة على الويب وربطها بعلاقات ، وذلك أتاح فرصاً للباحثين للاستفادة من البيانات الضخمة لتطوير تطبيقات في مجالات مختلفة. نظم التوصية التقليدية التي تعتمد على تقييمات المستخدمين للتوصية بالعناصر ذات العلاقة تعاني من مشكلة البداية الباردة Cold-start بينما الأنظمة الأخرى التي تعتمد على المحتوى تعاني من قلة المعنى الدلالي ,ومحدودية تحليل المحتوى. لذا فإن أنظمة التوصيحة تحتاج لإثراء العناصر والمستخدمين بخصائص وصفات إضافية واستغلال المعرفة الموجودة في LOD من أجل حل المشكلات الشائعة للأنظمة التقليدية وحساب المسافة الدلالية لإنتاج التوصيات. تعتمد معظم الدراسات السابقة على مقاييس التشابه النقية القائمة على الارتباط ، والتي ستقلل من دقة التوصية إذا لم تكن هناك روابط كافية بين الموارد على الرغم من أنها تشترك في العديد من الصفات. في هذه الأطروحة ، يتم استغلال العلاقات المباشرة وغير المباشرة بين الموارد ويتم اقتراح نهج جديد لحساب تشابه الموارد بناءً على هذه العلاقات وإعطاء أهمية أكبر للروابط المباشرة باستخدام مقياس ELDSD المقترح ، بالإضافة إلى دمجها مع مقياس يعتمد على الميزات المستخرجة من مجموعتي بيانات بعد تمثيل هذه الميزات باستخدام نموذج Word2Vec للتوصية بالأفلام ذات الصلة. بالإضافة إلى التوصية بعناصر من مجالات أخرى ذات علاقة بالأفلام الموصى بها مثل الموسيقى والكتب ذات الصلة. تم إجراء تقييم تجريبي باستخدام مجموعة بيانات أفلام MovieLens و مجموعة بيانات أفلام Yahoo وتشير النتائج إلى أن النهج المقترح يتفوق في الأداء على الأساليب الأخرى التي تعتمد على هيكلية الروابط بما يصل إلى 7.8% تحسين في مقياس F وبما يصل إلى 31.8% على الطرق الأخرى التي تعتمد على خصائص العناصر فقط.