@Article{, title={تحسين أداء النظم الناصحة المعتمدة على التصفية التعاونيّة باستخدام علاقات الثّقة}, author={ايفا دياب حريقص and يسر السيد سليمان الأتاسي}, journal={Journal of University of Babylon مجلة جامعة بابل}, volume={27}, number={1}, pages={87 -106}, year={2019}, abstract={Recommender systems are one of the recent inventions to deal with information overloadproblem and provide users with personalized recommendations that may be of their interests. Collaborative filtering is the most popular and widely used technique to build recommender systems and has been successfully employed in many applications. However, collaborative filtering suffers from several inherent issues that affect the recommendation accuracy such as: data sparsity and cold start problems caused by the lack of user ratings, so the recommendation results are often unsatisfactory. To address these problems, we propose a recommendation method called “MFGLT” that enhance the recommendation accuracy of collaborative filtering method using trust-based social networks by leveraging different user's situations (as a trustor and as a trustee) in these networks to model user preferences. Specifically, we propose model-based method that uses matrix factorization technique and exploit both local social context represented by modeling explicit user interactions and implicit user interactions with other users, and also the global social context represented by the user reputation in the whole social network for making recommendations. Experimental results based on real-world dataset demonstrate that our approach gives better performance than the other trust-aware recommendation approaches, in terms of prediction accuracy.

إنّ النظم الناصحة هي أحد الابتكارات الحديثة للتعامل مع مشكلة الحمل الزائد للمعلومات وتزويد المستخدمين بتوصيات ذات طابع شخصي والتي من المحتمل أن تكون من اهتماماتهم. التصفية التعاونيّة هي التقنيّة الأكثر شيوعاً واستخداماً على نطاق واسع لبناء النظم الناصحة وقد تمّ توظيفها بنجاح في عدّة تطبيقات، إلاّ أنّها تعاني من عدّة قضايا موروثة والتي تؤثّر على دقةّ التوصيات مثل مشاكل بعثرة المعطيات والإقلاع البارد الناجمة عن نقص تقييمات المستخدمين، لذا تكون نتائج التوصية غير مرضية غالباً. لمعالجة هذه المشاكل، نقترح طريقة توصية تدعى "MFGLT" والتي تُحسّن دقّة التوصيات لطريقة التصفية التعاونيّة باستخدام الشبكة الاجتماعيّة المعتمدة على الثقة من خلال الاستفادة من حالات المستخدم المختلفة (كواثق وكموثوق به) في هذه الشبكات لنمذجة تفضيلات المستخدمين. على وجه التحديد، نقترح طريقة معتمدة على النموذج تستخدم تقنيّة تحليل المصفوفات إلى عوامل وتستغل كل من السياق الاجتماعيّ المحلي المتمثّل بنمذجة التفاعلات الصريحة والتفاعلات الضمنيّة للمستخدم مع المستخدمين الآخرين وكذلك السياق الاجتماعي العام المتمثّل بسمعة المستخدم في الشبكة الاجتماعيّة ككل من أجل تقديم التوصيات. تبيّن النتائج التجريبيّة على مجموعة معطيات حقيقيّة، أنّ طريقتنا المقترحة تحقّق أداء أفضل من الطرق الأخرى المعتمدة على الثّقة من حيث الدقّة التنبّؤية.} }