فهرست مطالب

عنوان صفحه

 

فصل اول: مقدمه

1-1 مقدمه.. 1

1-2 موضوع تحقیق.. 3

1-3 موضوع تحقیق.. 4

1-4 اهمیت و ارزش تحقیق.. 6

1-5 اهداف تحقیق.. 6

1-6 کاربرد نتایج تحقیق.. 6

1-7 مروری بر ساختار پایان­نامه.. 7

فصل دوم: تجارت سیار

2-1 مقدمه.. 8

2-2 تجارت سیار.. 9

2-3 دسته­بندی ادبیات تحقیقاتی تجارت سیار.. 11

2-3-1 حوزه تحقیقات نظری.. 11

2-3-2 شبکه بی­سیم.. 12

2-3-3 میان­افزار سیار.. 13

2-3-4 زیر­بنای کاربری بی­سیم.. 14

2-3-5 کاربرد­های تجارت سیار.. 14

2-4 فناوری­های تجارت سیار.. 16

2-5 استاندارد­های بی­سیم.. 18

2-6 بستر پیاده­سازی کاربرد­های تجارت سیار.. 19

2-6-1 زبان­های برنامه­نویسی موبایل.. 22

2-7 جمع­بندی.. 23

عنوان صفحه

 

فصل سوم: زمینه

3-1 مقدمه.. 25

3-2 زمینه.. 26

3-2-1 تعاریف پارامتریک.. 26

3-2-2 تعاریف کلی.. 27

3-3 دسته­بندی اطلاعات زمینه.. 28

3-4 آگاهی از زمینه.. 31

3-5 طراحی زمینه.. 32

3-6 جمع­بندی.. 33

فصل چهارم: سیستم­های پیشنهاد­دهنده

4-1 مقدمه.. 35

4-2 بررسی عملکرد سیستم­های پیشنهاد­دهنده.. 36

4-2-1 روش­های مبتنی بر محتوا.. 38

4-2-1-1 مشکلات و محدودیت­­های روش­های مبتنی بر محتوا.. 41

4-2-2 روش­های فیلترسازی مشارکتی.. 42

4-2-2-1 مشکلات و محدودیت­­های روش­های فیلتر­سازی مشارکتی 46

4-2-3 روش­های ترکیبی.. 48

4-3 ارزیابی سیستم­های پیشنهاد­دهنده.. 49

4-4 بسط قابلیت­های سیستم­های پیشنهاد­دهنده.. 51

4-4-1 شرکت­دادن شناختی جامع از کاربران و اقلام در فرآیند پیشنهاد­دهی 51

4-4-2 امتیاز­گذاری چند­معیاری.. 52

4-4-3 پیشنهاد­دهنده­های غیر­تداخلی.. 53

4-4-4 انعطاف­پذیری.. 53

عنوانصفحه

4-4-5 توسعه شاخص­های ارزیابی.. 54

4-4-6 استفاده از اطلاعات زمینه در پیشنهاد­دهنده­ها.. 55

4-4-7 سایر گزینه­ها برای بسط و توسعه سیستم­های پیشنهاد­دهنده 55

4-5 جمع­بندی.. 55

 

فصل پنجم: روش جدید چند­بعدی برای پیشنهاد­دهی آگاه از زمینه

5-1 مقدمه.. 57

5-2 سیستم­های پیشنهاد­دهنده آگاه­از­زمینه در تجارت سیار.. 58

5-3 مدل­سازی اطلاعات زمینه.. 59

5-4 روش چند­بعدی در سیستم­های توصیه­گرسیار آگاه از زمینه.. 61

5-5 جمع­بندی.. 68

فصل ششم: ارزیابی

6-1 مقدمه.. 69

6-2 روش ارزیابی.. 69

6-2-1 پیاده­سازی سیستم جمع­آوری داده.. 70

6-3 پیاده­سازی روش پیشنهاد­دهی.. 72

6-3-1 پیاده­سازی روش پیشنهاد­دهی دو­بعدی.. 73

6-3-2 پیاده­سازی روش پیشنهاد­دهی چند­بعدی.. 78

6-4 جمع­بندی.. 82

فصل هفتم: جمع­بندی و راهکار­های آینده

7-1 مقدمه.. 84

7-2 راهکار­های آینده.. 85

.. 87

فهرستشکل­ها

عنوان صفحه

 

شکل 2-1 خصوصیات تجارت سیار.. 10

شکل 2-2 دسته­بندی ادبیات تحقیقاتی تجارت سیار 12

شکل 3-1 فضای سلسله­مراتبی زمینه.. 29

شکل 3-2 معماری سطح بالا از یک سیستم آگاه از زمینه 32

شکل 4-1 نمونه­ای از زبان RQL.. 54

شکل 5-1 مدل چند­بعدی پیشنهاد­دهی برای فضای سه­بعدیUser×Item×Time 60

شکل 5-2 ساختار رابطه­ای مدل داده چند­بعدی برای ذخیره­سازی اطلاعات کاربران، اقلام و زمینه .. 62

شکل 5-3 روش چند­بعدی پیشنهاد­دهی.. 63

شکل 5-4 ساختار رابطه­ای نگهداری کلیه شرایط زمینه­ای سیستم 64

شکل 5-5 ساختار رابطه­ای نگهداری خوشه­بندی اطلاعات زمینه­ای برای کاربران 65

شکل 5-6 ایجاد کاربران معادل کاربر c­i با توجه به الگوی مصرف وی 67

شکل 5-7 ساختار رابطه­ای کاربران و امتیازات جدید 66

شکل 6-1 ساختار رابطه­ای مجموعه داده جمع­آوری­شده بدون در نظر گرفتن شرایط زمینه­ای .. 71

شکل 6-2 ساختار چند­بعدی مجموعه داده جمع­آوری­شده با در نظر گرفتن شرایط زمینه­ای .. 72

شکل 6-3 نقشه خود­سازمانده.. 74

شکل 6-4 میانگین شاخص F1 در روش پیشنهاد­دهی سنتی در مجموعه داده شماره(1) 76

شکل 6-5 میانگین شاخص F1 برای خوشه­های مجزا در مجموعه داده شماره (1) 77

شکل 6-6 میانگین شاخص F1 در روش پیشنهاد­دهی سنتی در مجموعه داده شماره(2) 78

شکل 6-7 میانگین شاخص F1 برای خوشه­های مجزا در مجموعه داده شماره (2) 78

شکل 6-8 ساختار رابطه­ای نهایی برای نگهداری اطلاعات سیستم پیشنهاد­دهنده 80

شکل 6-9 میانگین شاخص F1 در روش پیشنهاد­دهی چندبعدی 81

شکل 6-10 میانگین شاخص F1 در روش پیشنهاد­دهی چندبعدی برای خوشه­های مجزا 82

فهرستجدول­ها

عنوان صفحه

جدول 2-1 دسته­بندی کاربرد­های تجارت سیار.. 15

جدول 4-1 نمونه­ای از ماتریس کاربر- اقلام برای یک سیستم پیشنهاد­دهنده فیلم 37

جدول 6-1 مشخصات شبکه نقشه خود­سازمانده در مرحله شناسایی کاربران مشابه در روش سنتی.. 76

جدول 6-2 مشخصات شبکه نقشه خود­سازمانده برای شناسایی الگوی مصرف و شناسایی کاربران مشابه 81

 

فصل اول: مقدمه

1-1 مقدمه

سیستم­های پیشنهاد­دهنده در تجارت سیار از جمله موضوعات پر­اهمیت سال­های اخیر بوده­اند که با ظهور تکنولوژی­های بی­سیم و تسهیل حرکت تجارت الکترونیکی از محیط­های سیمی به سوی بی­سیم­ مورد توجه قرار­گرفته­اند. تجارت سیار به­معنای انجام فعالیت­های تجارت­الکترونیک از طریق محیط­های بی­سیم، به­طورخاص اینترنت بی­سیم، و وسایل دستی سیار می­باشد که با­ پیدایش تکنولوژی بی­سیم در عرصه اینترنت و استفاده روزافزون از وسایل سیار توجه به آن رو به افزایش است[1,2]. به کاربرد­های تجارت سیار دو خصوصیت ویژه تحرک[1] و دسترسی وسیع[2] نسبت داده­شده­است[1,3] که اولین خصوصیت بر امکان از بین رفتن محدودیت­های مکانی و دومین خصوصیت بر امکان از بین رفتن محدودیت­های زمانی در استفاده کاربران از خدمات این نوع کاربرد­ها تاکید دارد[1,3,4,5]. این­که کاربران برای انجام فعالیت هایی چون بانکداری الکترونیکی یا خرید الکترونیکی محصولات، قادر به جایگزینی وسایلی چون تلفن­های سیار و ­همراه­های شخصی دیجیتال (پی.دی.اِی)[3]به­جای کامپیوتر­های شخصی باشند، تسهیلات زیادی را برای آنها و فرصت­های جدیدی را نیز برای کسب وکار­ها فراهم­­­خواهد­کرد و لزوم توجه به این عرصه را برای محققان نمایان می­سازد[1,3].

اما پیاده­سازی سیستم­های پیشنهاد­دهنده در محیط­های سیار بدون در­نظر­گرفتن پارامتر­های تاثیر­گذار در این محیط چندان مناسب­نخواهد­بود. مجموعه این پارامتر­ها، اطلاعات زمینه را تشکیل می­دهند [6].

عملکرد سیستم­های پیشنهاد­دهنده معرفی منابع مورد نیاز کاربران به آنهاست. این منابع می­توانند مواردی مانند اطلاعات خاص مورد نیاز کاربر و یا کالاها­یی مانند کتاب یا فیلم مورد علاقه یک کاربر را از میان انبوه کالاهایی که کاربر با اطلاعات آن­ها روبروست، در­بر­گیرند[7,8,9]. درسیستم­های پیشنهاد­دهنده، سه مجموعه داده اصلی یعنی مجموعه کاربران ©، مجموعه اقلام قابل توصیه(S) (مانند کتاب، فیلم، موسیقی و غیره) و مجموعه داده­هایی که رابطه میان دو مجموعه قبلی را تعریف می­کنند، وجود­دارند. مجموعهS می­تواند شامل صد­ها، هزار­ها و حتی میلیون­ها کالا در کاربرد­های مختلف بوده و به­طور مشابه مجموعه C نیز می­تواند چنین وضعیتی را داشته باشد. ارتباط میان دو مجموعهC و S مبتنی بر ساختار امتیاز­گذاری است که میزان مفید بودن یا مورد علاقه بودن کالا را برای کاربر مشخص می کند. این ارتباط با تابعی تحت­عنوان تابع سودمندی، u، به صورت رابطه زیر تعریف می­شود[7]:

(1-1)

که در آن Ratings، مجموعه مرتبی مانند اعداد صحیح غیر­منفی یا مجموعه اعداد حقیقی در بازه­ای معین می­باشد.

در سیستم­های پیشنهاد­دهنده مقادیر u معمولاً فقط بر روی زیر مجموعه­ای از دامنه C×S تعریف­شده­است و نه بر تمام آن و قسمت های نامشخص این دامنه را باید با ­استفاده از داده­های موجود به­صورت تخمینی مشخص نمود. هدف نهایی سیستم­های توصیه­کننده با ارائه پیشنهاد اقلام با بالاترین امتیازات تخمینی به کاربران محقق می­شود به­طوریکه برای هر کاربر ، اقلام با حداکثر میزان سودمندی انتخاب و معرفی می­گردد[7].

تا به امروز روش­های پیشنهاد­دهی زیادی ارائه شده­است که این روش­ها و متدولوژی­ها در دسته­بندی­های زیر قرار می­گیرند[7,9,10]:

• مبتنی بر محتوا[4] : در این گروه از روش­ها، عمل پیشنهاد­دهی با استفاده از یافتن اقلامی انجام می­گیرد که بیشترین تشابه را با اقلامی داشته باشند که در­گذشته مورد­علاقه کاربر بوده­اند. به عبارت دیگر u(c,s)، سودمندی کالای s برای کاربر c، بر اساس کلیه مقادیر موجود u(c,s_i) هایی که s_iمشابه به s بوده و s_iجزء کالاهای مورد علاقه کاربر هستند،_­برآورد می­شود.

• فیلترسازی مشارکتی : در این گروه از روش­ها، عمل پیشنهاد­دهی با استفاده از یافتن اقلامی انجام می­گیرد که مورد علاقه کاربران با سلایق مشابه کاربر بوده­اند. کاربران با سلایق مشابه یعنی کاربرانی که اقلام یکسانی را امتیاز­دهی مشابه کرده باشند. به­عبارت دیگر u (c, s) بر اساس مقادیر موجودu(c_j,s) بدست می­آید که c_jکاربران مشابه با c می­باشند.

• مدل ترکیبی[5]: روش­هایی که دو روش مبتنی­بر­محتوا و فیلتر­سازی مشارکتی را ترکیب می­کنند و به این صورت از مزایای هر دو روش در جهت شناسایی و معرفی کالاها بهره می­گیرند.

در نگاهی دیگر روش­های پیشنهاد­دهی، اعم از مبتنی بر محتوا و فیلتر­سازی مشارکتی به دو دسته روش­های مبتنی بر حافظه[6]و مبتنی بر مدل[7] تقسیم می­شوند. در­مقایسه با الگوریتم­های مبتنی بر حافظه، الگوریتم­های مبتنی بر مدل، با استفاده از روش­های یادگیری ماشین[8] مدلی را با استفاده از مجموعه امتیازات موجود ایجاد کرده و از آن به­منظور پیشگویی امتیازات استفاده می­کنند[7,10,11].

1-2 موضوع تحقیق