الفلترة التعاونية للعناصر

التصفية التعاونية بين العناصر ، أو القائمة على العناصر ، أو من عنصر إلى عنصر ، هي شكل من أشكال التصفية التعاونية لأنظمة التوصية بناءً على التشابه بين العناصر المحسوبة باستخدام تقييمات الأشخاص لتلك العناصر. تم اختراع التصفية التعاونية بين العناصر واستخدامها بواسطة Amazon.com في عام 1998. ^[1]^[2] وقد نُشرت لأول مرة في مؤتمر أكاديمي في عام 2001. ^[3]

كانت أنظمة الترشيح التعاوني السابقة التي تعتمد على تشابه التصنيف بين المستخدمين (المعروفة باسم الترشيح التعاوني بين المستخدمين) تعاني من العديد من المشاكل:

كان أداء الأنظمة ضعيفًا عندما كانت تحتوي على العديد من العناصر ولكن تقييماتها كانت قليلة نسبيًا
كان حساب أوجه التشابه بين جميع أزواج المستخدمين مكلفًا
تغيرت ملفات تعريف المستخدم بسرعة وكان لا بد من إعادة حساب نموذج النظام بأكمله

تحل نماذج العناصر-العناصر هذه المشكلات في الأنظمة التي تضم عددًا من المستخدمين أكبر من عدد العناصر. تستخدم نماذج العناصر-العناصر توزيعات التقييم لكل عنصر ، وليس لكل مستخدم . مع وجود عدد من المستخدمين أكبر من عدد العناصر، يميل كل عنصر إلى الحصول على تقييمات أكثر من كل مستخدم، لذلك لا يتغير متوسط تقييم العنصر بسرعة عادةً. يؤدي هذا إلى توزيعات تقييم أكثر استقرارًا في النموذج، لذلك لا يتعين إعادة بناء النموذج كثيرًا. عندما يستهلك المستخدمون عنصرًا ثم يقيمونه، يتم اختيار العناصر المماثلة لهذا العنصر من نموذج النظام الحالي وإضافتها إلى توصيات المستخدم.

طريقة

أولاً، يقوم النظام بتنفيذ مرحلة بناء النموذج من خلال إيجاد التشابه بين جميع أزواج العناصر. ويمكن أن تتخذ دالة التشابه هذه أشكالاً عديدة، مثل الارتباط بين التقييمات أو جيب تمام متجهات التقييم تلك. وكما هو الحال في أنظمة المستخدم-المستخدم، يمكن لوظائف التشابه استخدام تقييمات موحدة (تصحيح، على سبيل المثال، لمتوسط تقييم كل مستخدم).

ثانيًا، ينفذ النظام مرحلة التوصية . ويستخدم العناصر الأكثر تشابهًا بالعناصر التي قام المستخدم بتقييمها بالفعل لتوليد قائمة بالتوصيات. وعادةً ما يكون هذا الحساب عبارة عن مجموع مرجح أو انحدار خطي . وهذا الشكل من التوصيات مماثل لـ "الأشخاص الذين يقيمون العنصر X بدرجة عالية، مثلك، يميلون أيضًا إلى تقييم العنصر Y بدرجة عالية، ولم تقم أنت بتقييم العنصر Y بعد، لذا يجب أن تجربه".

نتائج

كانت أخطاء التصفية التعاونية بين العناصر أقل من أخطاء التصفية التعاونية بين المستخدمين. بالإضافة إلى ذلك، تم حساب نموذجها الأقل ديناميكية بشكل أقل وتخزينه في مصفوفة أصغر، لذا كان أداء نظام العناصر أفضل من أنظمة المستخدمين.

مثال

مع الأخذ في الاعتبار المصفوفة التالية:

المستخدم - مصفوفة المقالات
مستخدم	المادة 1	المادة 2	المادة 3
جون	اشتريته	اشتريته	لم اشتري
بيير	اشتريته	اشتريته	اشتريته
ماري	لم اشتري	اشتريته	لم اشتري

إذا كان المستخدم مهتمًا بالمادة 1، ما العنصر الآخر الذي سيتم اقتراحه عليه بواسطة نظام يستخدم خوارزمية العنصر إلى العنصر الخاصة بأمازون؟

الهدف هو اقتراح المقالة ذات أعلى قيمة جيب التمام للمستخدم. وهذه هي الطريقة التي نقوم بها بذلك:

أولاً، نقوم بتحويل مصفوفة المستخدم-المقالة إلى مصفوفة ثنائية ونقوم بإنشاء مصفوفة بسيطة لكل مقال.

المستخدم - مصفوفة المقالات (ثنائية)
مستخدم	المادة 1	المادة 2	المادة 3
جون	1	1	0
بيير	1	1	1
ماري	0	1	0

أ1 = [1، 1، 0]
أ2 = [1، 1، 1]
أ3 = [0، 1، 0]

ثانيًا، نضرب المصفوفة A1 بكل مصفوفة من أجل إيجاد حاصل الضرب النقطي.

A1 * A2 = (1*1) + (1*1) + (0*1) = 2
A1 * A3 = (1*0) + (1*1) + (0*0) = 1

ثالثا، نجد معيار كل متجه.

||A1|| = = = 1.4142 ${\sqrt {1^{2}+1^{2}+0^{2}}}$ ${\sqrt {2}}$
||A2|| = = = 1.7320 ${\sqrt {1^{2}+1^{2}+1^{2}}}$ ${\sqrt {3}}$
||A3|| = = = 1 ${\sqrt {0^{2}+1^{2}+0^{2}}}$ ${\sqrt {1}}$

رابعا، نحسب جيب التمام.

A1 و A2 = COS(θ) = = = = 0.8165 ${\frac {A1*A2}{||A1||*||A2||}}$ ${\frac {2}{{\sqrt {2}}*{\sqrt {3}}}}$ ${\frac {\sqrt {6}}{3}}$
A1 و A3 = COS(θ) = = = = = 0.7071 ${\frac {A1*A3}{||A1||*||A3||}}$ ${\frac {1}{{\sqrt {2}}*1}}$ ${\frac {1}{\sqrt {2}}}$ ${\frac {\sqrt {2}}{2}}$

النتيجة: إذا كان المستخدم مهتمًا بالمقالة 1، فإن خوارزمية العنصر إلى العنصر ستقترح المقالة 2.

مراجع

^ "التوصيات التعاونية باستخدام تعيينات التشابه بين العناصر".
^ Linden, G; Smith, B; York, J (22 January 2003). "Amazon.com recommendations: item-to-item collaborative filtering". IEEE Internet Computing . 7 (1): 76–80. doi :10.1109/MIC.2003.1167344. ISSN 1089-7801. S2CID 14604122.
^ ساروار، بادرول؛ كاريبيس، جورج؛ كونستان، جوزيف؛ ريدل، جون (2001). "خوارزميات التوصية بالترشيح التعاوني القائم على العناصر". وقائع المؤتمر الدولي العاشر حول شبكة الويب العالمية . ACM . ص 285-295. CiteSeerX 10.1.1.167.7612 . doi :10.1145/371920.372071. ISBN 978-1-58113-348-6. S2CID 8047550.

Original text

Rate this translation

Your feedback will be used to help improve Google Translate

[1] "التوصيات التعاونية باستخدام تعيينات التشابه بين العناصر".

[2] Linden, G; Smith, B; York, J (22 January 2003). "Amazon.com recommendations: item-to-item collaborative filtering". IEEE Internet Computing . 7 (1): 76–80. doi :10.1109/MIC.2003.1167344. ISSN 1089-7801. S2CID 14604122.

[3] ساروار، بادرول؛ كاريبيس، جورج؛ كونستان، جوزيف؛ ريدل، جون (2001). "خوارزميات التوصية بالترشيح التعاوني القائم على العناصر". وقائع المؤتمر الدولي العاشر حول شبكة الويب العالمية . ACM . ص 285-295. CiteSeerX 10.1.1.167.7612 . doi :10.1145/371920.372071. ISBN 978-1-58113-348-6. S2CID 8047550.

اللغة	العربية (RTL)
روابط موسوعية	30 رابطاً
المصدر الأصلي	ويكيبيديا ↗