پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار

word 2 MB 31092 107
1388 کارشناسی ارشد مهندسی کامپیوتر
قیمت: ۱۳,۹۱۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پایان نامه ی کارشناسی ارشد رشته ی کامپیوتر گرایش نرم­ افزار

     

     استفاده از زمینه، به عنوان اطلاعات پویایی که توصیف­گر وضعیت کاربران و اقلام بوده و بر فرایند تصمیم­گیری و انتخاب کاربران تاثیر­گذار است، توسط سیستم­ های پیشنهاد ­دهنده در تجارت سیار، در جهت ارتقاء کیفیت مناسب پیشنهاد­دهی ضروری است. در این تحقیق یک روش جدید چند­بعدی برای پیشنهاد­دهی آگاه از زمینه در تجارت سیار ارائه­ شده است. در این روش اطلاعات کاربران، اقلام، پارامتر­های زمینه و ارتباط میان آنها در یک فضای چند­بعدی نمایش ­داده می­شود که به آن مکعب چند­بعدی امتیازات گفته می­شود. در این فضا زمینه­های مشابه به­طور جداگانه برای هر کاربر شناسایی می­شوند که این کار با شناسایی الگوهای مصرف متفاوت کاربران در شرایط زمینه­ای مختلف انجام می­شود. با بدست آوردن این اطلاعات، یک فضای جدید دوبعدی ایجاد­شده و پیشنهاد­دهی نهایی با استفاده از یک روش فیلتر­سازی مشارکتی در این فضا انجام می­گیرد. ارزیابی روش از طریق پیاده­سازی آن در یک سیستم پیشنهاد­دهی محصولات غذایی رستوران­ها شامل پارامتر­های زمینه­ای روز، زمان، آب و هوا و همراه علاوه بر پارامتر­های کاربر و اقلام و مقایسه آن با روش سنتی پیشنهاد­دهی و بدون در­نظر­­گرفتن اطلاعات زمینه انجام گرفته­است. برای پیاده­سازی روش فیلتر­سازی مشارکتی از شبکه­های خود­سازمانده استفاده­شده­است. شبکه­ های خود­سازمانده، نوعی از شبکه­های عصبی بدون ناظر هستند. مقایسه و ارزیابی نتایج با استفاده از محاسبه شاخص F1 که یکی از شاخص­های استاندارد و پر استفاده برای ارزیابی پیشنهاد­دهنده­ها است، انجام گرفته­است. بر اساس این نتایج، روش پیشنهاد­دهی چند­بعدی در حدود شانزده درصد بهبود نسبت به روش سنتی پیشنهاد­دهی را نمایش می­دهد که همین مساله کارایی روش را از نظر کیفیت پیشنهاد­دهی تایید می­کند.

     کلمات کلیدی: سیستم­های پیشنهاد­دهنده آگاه از زمینه، تجارت سیار، نقشه خود­سازمان­ده، روش چندبعدی پیشنهاد­دهی، فیلتر­سازی مشارکتی.

    فصل اول: مقدمه

    سیستم­ های 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 پیاده­ سازی 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 (C)، 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,si) هایی که si مشابه به s بوده و si جزء 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(cj ,s)  بدست می­آید که  cj  کاربران 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

    موضوع این تحقیق، ارائه روشی برای پیشنهاد­دهی آگاه از زمینه در تجارت سیار می­باشد. با­ پیدایش تکنولوژی بی­سیم در عرصه اینترنت و استفاده روزافزون از وسایل سیار، پیاده­سازی سیستم­های پیشنهاد­دهنده در محیط­های سیار با توجه به محدودیت­های خاص آن چون هزینه­بر بودن زمان اتصال و تبادل داده، محدودیت پهنای باند، کیفیت پایین اتصال و محدودیت­های ورودی و خروجی وسایل سیار، نیاز به بررسی بیشتر را در جهت ارائه اطلاعات مرتبط­تر و شخصی­سازی­شده­تر می­طلبد. بررسی تاثیر اطلاعات زمینه به­عنوان شرایط و محیط دربرگیرنده کاربر و به­عنوان اطلاعاتی که بر فرایند تصمیم­گیری وی تاثیر­گذارند، برخروجی این­گونه کاربرد­ها، مساله­ای است که در این تحقیق مورد بررسی قرار گرفته­است.

    پیشینه تحقیق

    ظهور تکنولوژی­های بی­سیم و استفاده رو به­افزایش وسایل سیار، فرصت­های زیادی را پیش روی کاربرد­های تجارت الکترونیک قرار­داده­است. با توجه به محدودیت­های خاص محیط­های سیار، ارائه اطلاعات به­صورت شخصی­سازی­شده­تر و سفارشی­شده­تر یکی از اهداف مهم کاربرد­های تجارت سیار است. در­نظرگرفتن اطلاعات زمینه به­عنوان شرایط و محیط دربرگیرنده کاربر و به­عنوان اطلاعاتی که بر فرایند تصمیم­گیری وی تاثیر­گذارند، در ارائه خروجی این­گونه کاربرد­ها از جمله مواردی است که می­توان از آن در جهت ارائه اطلاعات مرتبط­تر به کاربران بهره گرفت.

    سیستم­ های پیشنهاد­دهنده همواره از جمله موضوعات پر اهمیت در حوزه تجارت الکترونیک بوده­است. سیستم­های پیشنهاد­دهنده سیار آگاه از زمینه در آغاز راه هستند. دسته مهمی از سیستم­های آگاه از زمینه را  سیستم­های آگاه از مکان تشکیل می­دهند. یانگ، چنگ، و دایا[12]، یک سیستم پیشنهاد­دهنده آگاه از مکان برای محیط­های سیار ارائه­داده­اند که هدف آن توصیه وب­سایت فروشندگان با در نظر­گرفتن علایق و پیش­فرض­های مشتری و همچنین فاصله مکانی وی با مکان فیزیکی مشخص­شده در وب­سایت­ها می­باشد. در روش مزبور، دو فاکتور فوق به­طور جداگانه محاسبه­ شده و سپس بر اساس ترکیبی از آنها به پیشنهاد وب­سایت­ها پرداخته می­شود. یکی دیگر از این نوع سیستم­ها پروکسیمو[13] است که یک سیستم پیشنهاد­دهنده آگاه از مکان برای محیط­های داخلی چون موزه­ها و گالری­ها است. این سیستم بر اساس علایق و پیش­فرض­های کاربر به پیشنهاد اقلام پرداخته و مکان اقلام را بر روی نقشه­ای بر روی وسیله همراه کاربر نمایش می­دهد.

    استفاده از سایر اطلاعات زمینه­ای علاوه­بر مکان نیز مورد توجه توسعه­دهندگان این نوع سیستم­ها قرار­گرفته­است. پخش موسیقی یکی از حوزه­های کاربردی پر­مصرف در میان کاربران سیار می­باشد و به همین دلیل استفاده از پیشنهاد­دهنده­های آگاه از زمینه در این حوزه مورد توجه قرار­گرفته است. از آنجایی که تاثیر موسیقی بر روح و جسم انسان ثابت شده­است، انتخاب موسیقی با توجه به شرایط می­تواند وضعیت دوست­داشتنی­تری را فراهم­کند و افراد را در انجام فعالیت­هایشان یاری رساند. مثلاً موسیقی می­تواند کارایی فرد را در حال انجام تمرینات فیزیکی بهبود بخشد، اضطراب را کاهش دهد و میزان یادگیری را بهبود بخشد. [14] یکی از تحقیقاتی است که در این حوزه ارائه­شده­است. در این تحقیق علاوه­بر بررسی روش­های فیلتر­سازی مبتنی­بر زمینه و مرور پیشنهاد­دهنده­های سیار آگاه از زمینه موسیقی، پیشنهاد­دهنده سیار آگاه از زمینه AndroMedia  ارائه شده­است. پیشنهادات با توجه به زمینه جاری کاربر که با استفاده از حسگر­های بلوتوث در سمت برنامه مشتری بدست می­آیند و همچنین سلایق کاربر تهیه می­شوند. همچنین در مرجع [15]  نیز پیشنهاد­دهی آگاه از زمینه موسیقی در محیط­های سیار مورد بررسی قرار­گرفته­است. در تحقیق پارک، یو و چو[16]  نیز یک سیستم آگاه از زمینه موسیقی با استفاده از شبکه­های بیزین فازی و تئوری سودمندی ارائه­شده­است. فرایند پیشنهاد­دهی تحلیل شده و سودمندی آن مورد ارزیابی قرار­گرفته­است.

    گردشگری نیز یکی از حوزه­ های جذاب برای پیاده­سازی پیشنهاد ­دهنده ­های سیار آگاه از زمینه می­باشد. امروزه گردشگران انتظار دارند که دسترسی شخصی به اطلاعات گردشگری در هر زمان، هر مکان و در هر شرایطی را داشته­باشند. راهنما­های گردشگری سیار، چنین اطلاعاتی را در اختیار کاربران قرار می­دهند. در مرجع [17] خلاصه­ای از کار­های انجام­شده در زمینه راهنماهای گردشگری سیار تحت وب انجام گرفته­است. همچنین در مرجع[18]   تاثیر آگاهی از زمینه در سیستم­های اطلاعاتی گردشگری سیار مورد بررسی قرار گرفته­است. در [19]  نیز یک کاربرد توریستی سیار با نام COMPASS ارائه­شده­است. در این تحقیق به بررسی ترکیب آگاهی از زمینه با سیستم­های پیشنهاد­دهنده پرداخته شده­است. پارامتر­های زمینه­ای این تحقیق شامل زمان و مکان می­باشند. این سیستم خدمات خود را با نیاز­های کاربر که بر اساس علایق و زمینه جاری وی مشخص می­شود، تطبیق می­دهد.

    در [20] نیز یک سیستم پیشنهاد­دهنده تصاویر با استفاده از یک روش داده ­کاوی که ترکیبی از روش­های مبتنی­بر­محتوا و مبتنی­بر اطلاعات زمینه می­باشد ارائه­شده­است. اطلاعات زمینه استفاده­شده در این تحقیق شامل زمان و مکان هستند. لی، ونگ، جنگ و دای[21]، یک سیستم توصیه­کننده آگاه از زمینه برای کاربرد­های تجارت سیار ارائه­داده­اند. در این تحقیق از مدل چند­بعدی موجود در سیستم­های OLAP برای نمایش فضای توصیه­گری و از روش مبتنی بر کاهش فضا به­منظور کاهش فضای توصیه­گری به فضای دو­بعدی و انجام عملیات توصیه­گری در فضای مزبور استفاده­کرده­اند.

    استفاده از آنتولوژی و وب معنایی در سیستم­های پیشنهاد­دهنده سیار آگاه از زمینه نیز در تحقیقات بسیاری مورد توجه­قرار­گرفته­است[22,23,24]. تکنولوژی­های وب معنایی، دسترسی هوشمند و کارا به اطلاعات را بهبود بخشیده­اند. از آنتولوژی می­توان برای مدل­سازی زمینه و همچنین برای مدل­سازی ارتباط زمینه با سایر مجموعه­داده­ها استفاده­نمود. در تحقیق حاضر، یک روش جدید پیشنهاد­دهی آگاه از زمینه در تجارت سیار ارائه­شده­است.

    1-4 اهمیت و ارزش تحقیق

    استفاده از سیستم­ های پیشنهاد­دهنده آگاه از زمینه در تجارت سیار یک فرصت است. با توجه به افزایش کمی کاربران وسایل سیار درکشور و گسترش کمی و کیفی زیر­بنایی تجهیزات سیار، آشنایی با مفاهیم، اصول و کاربرد­های تجارت سیار و جهت­گیری در جهت ارتقاء مفاهیم کاربردی و بومی­سازی آنها ،  فرصتی استثنایی را در اختیار صاحبان صنایع و کسب و کار­ها و کاربران سیار قرار می­دهد و توجه به این جنبه از پیشرفت در مراکز علمی و تحقیقاتی امری ضروری و اجتناب­ناپذیر  به­نظر می­رسد.

    1-5 اهداف تحقیق

    هدف از این تحقیق ارائه یک روش پیشنهاد­دهی مناسب برای تجارت سیار با در­نظر­گرفتن پارامتر­های مرتبط با زمینه به­منظور بررسی چگونگی تاثیر­گذاری آن بر نتایج می­باشد. 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. زمینه موضوعی کلیدی در تعاملات بین انسان و کامپیوتر است و در­حقیقت، هدف نهایی در محاسبات آگاه از زمینه ساده­تر­کردن نحوه این تعامل و ارتباط می­باشد. تاثیر پارامتر­های مختلف مانند سلایق و نیاز­های کاربری، روز، زمان، آب و هوا و همراه بر بهبود کیفیت پیشنهاد­دهی در  این تحقیق مورد بررسی قرار گرفته­است.

    1-6 کاربرد نتایج تحقیق

    نتایج حاصل از این تحقیق  قابل­توسعه در بسیاری از حوزه­های زندگی انسانی خواهد­بود. صنعت توریسم، سمینار­های علمی، مراکز خرید، شهر الکترونیکی و بسیاری دیگر از این موارد زمینه­هایی مناسب برای پیاده­سازی روش پیشنهاد­دهی آگاه از زمینه به منظور تامین نیاز­های کاربران آنها می­باشد. در بسیاری از مواقع افراد حاضر در این حوزه­ها نیاز به کسب اطلاعات بر اساس علایق  پیش­فرض خود و همچنین بر اساس شرایطی که در آن قرار گرفته­اند دارند و نیاز به چنین تکنولوژی­ای کاملاً محسوس می­باشد.

    1-7 مروری بر ساختار پایان­نامه

    ساختار پایان­نامه به شرح زیر است. درفصل دوم به تعاریف و مفاهیم مرتبط با تجارت سیار پرداخته می­شود. در فصل سوم مفاهیم زمینه و آگاهی از زمینه شرح داده­می­شود. فصل چهارم مروری است بر سیستم­های پیشنهاد­دهنده در تجارت الکترونیک و در فصل پنجم به مفاهیم و تعاریف مربوط به سیستم­های پیشنهاد­دهنده آگاه از زمینه در تجارت سیار و معرفی روش جدید چند­بعدی برای انجام عملیات پیشنهاد­دهی آگاه از زمینه پرداخته شده­است. در بخش ششم پیاده­سازی و ارزیابی روش شرح داده شده و نتایج و مشاهدات ارزیابی ارائه می­شود. در­نهایت در فصل هفتم به جمع­بندی تحقیق و ارائه پیشنهادات آتی پرداخته خواهد­شد.

    Abstract

    Context as the dynamic information describing the situation of items and users and affecting the user’s decision process is essential to be used by recommender systems in mobile commerce to guarantee the quality of recommendation. This research proposes a novel multidimensional approach for context-aware recommendation in mobile commerce. The approach represents users, items, context information and the relationship between them in a multidimensional space which is called cube of ratings. In this space, similar contexts would be determined for each user separately. This process is done based on determining the usage patterns of each user under different contextual situations. It then creates a new 2-dimensional recommendation space and does the final recommendation in that space using a collaborative filtering method. This research also represents an evaluation process by implementing the proposed approach in a restaurant food recommendation system considering day, time, weather and companion as the contextual information and comparing the approach with the traditional 2-dimensional one. Collaborative filtering method implementation is done using self-organizing maps. Self-organizing maps or kohonen models are a kind of unsupervised artificial neural networks. Comparison of result is done using F1 measure which is one of the popular standard metrics. The results illustrates that the multidimensional approach increases the recommendation quality up to sixteen percent.

     Keywords: Context-awareness, Multidimensional Recommendation Approach, Mobile commerce, Self-organizing maps, Collaborative filtering

  • فهرست:

    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

     

    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

     

    منابع و مآخذ. 87

     

    منبع:

    E. Turban and D. King, “Introduction to E-commerce: Mobile Commerce”, Prentice Hall, pp. 332-380, 2003.

    N. Shi, “Mobile Commerce Applications”, Idea Group Publishing, 2004.

    E.W.T. Ngai and A. Gunasekaran, “A review for mobile commerce research and applications”, Decision Support Systems, vol. 43, pp. 3 – 15, 2005.

    B. E. Mennecke and T. J. Strader, “Mobile Commerce - Technology, Theory, and Application”, Idea Group Publishing, 2003.

    A. H. Morales-Aranda, O. Mayora-Ibarra and S. Negrete-Yankelevich, “M-Modeler: A Framework Implementation for Modeling M-Commerce Applications”, Proceedings of the 6th international conference on Electronic commerce ICEC '04, pp.596-602, 2004.

    A. Schmidt, M. Beigl and H. Gellersen,”There is more to context than location”, Computers & Graphics, vol. 23, pp. 893-901, 1999.

    G. Adomavicius and A. Tuzhilin, “Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions”, IEEE, IEEE Computer Society, 2005.

    J. Bennett, “A Collaborative Filtering Recommender using SOM clustering on Keywords”, A Proposal for the degree of Masters of Computer Science, Golisano College of Computing and Information Science Rochester Institute of Technology, 2006.

    C. Cornelis, J. Lu, X. Guo and G. Zhang, “One-and-Only Item Recommendation with Fuzzy Logic Techniques”, Information Sciences, Vol. 177, No. 6, pp. 4906-4921, 2007.

    G. Adomavicius, R. Sankaranarayanan, S. Sen and A. Tuzhilin, “Incorporating Contextual Information in Recommender Systems Using a Multidimensional Approach”, ACM Transactions on Information Systems, Vol. 23, No. 1, pp. 103-145, 2005.

    J. Bennett, “Independent Study Report: A survey of SOM and Recommender techniques”, A Research Report, Golisano College of Computing and Information Science Rochester Institute of Technology, 2006.

    W. Yang, H. Cheng and J. Dia, “A location-aware recommender system for mobile shopping environments”, Expert Systems with Applications, vol. 34, No. 1, pp. 437–445, 2006.

    E. Parle, A. Quigley, ”Proximo, Location-Aware collaborative Recommender”, In Workshop on the Social Navigation and Community based Adaptation 2006.

    F. Bostrom, “Andromedia - Towards a context-aware mobile music recommender”, University of Helsinki, Faculty of Science, Department of Computer Science, 2008.

    J. Seppanen and J. Huopaniemi, “Interactive And Context-Aware Mobile Music Experiences”, Proc of the 11th Int. Conference on Digital Audio Effects, 2008.

    H. Park, J. Yoo, S. Cho, “A Context-aware Music Recommendation system using fuzzy Bayesian networks with utility theory”, International Conference on Fuzzy Systems and Knowledge Discovery(FSKD 2006),  2006.

    W. Schwinger, Ch. Grun, B. Pröll, W. Retschitzegger, A. Schauerhuber, “Context-Awareness in Mobile Tourism Guides – A comprehensive Survey”, 2002 .

    A. Hinze and G. Buchanan, “Context-Awareness in Mobile Tourist Information systems: challenges for user interaction”, In Proceedings of the ACSC’06, Australian Computer Society, 2006.

    M. V. Setten, S. Pokraev and J. K. waaij, “Context-Aware Recommendations in the Mobile Tourist Application COMPASS”, Adaptive Hypermedia and Adaptive Web-Based Systems, pp. 235-244, 2004.

    J. Yu, S. Lee and M. Jeon, “Recommendation of preferable photo contents”, International Symposium on Ubiquitous, 2007.

    Q. Li, Ch. Wang, G. Geng, R. Dai, “A Novel Collaborative Filtering-Based Framework for Personalized Services in M-commerce”, Proceedings of the 16th international conference on World Wide Web WWW '07 , PP.1251+, 2007.

    L. Buriano, M. Marchetti, F. Carmagnola and F. Cena, “The Role of Ontologies in Context-Aware Recommender Systems”, Proceedings of the 7th International Conference on Mobile Data Management, IEEE, 2006.

    A. Loizou and S. Dasmahapatra, “Recommender Systems for the Semantic Web”, ECAI 2006 Recommender Systems Workshop, 2006.

    S. Kim and J. Kwon, “Effective Context-Aware Recommendation on the Semantic Web”, IJCSNS International Journal of Computer Science and Network Security, Vol. 7 No.8, 2007.

    A. S. Tanenbaum, “Computer Networks,”  Prentice Hall, 2003.

    “Mobile Operating System”, Wikipedia, The Free Encyclopedia, [online]. Available: http://en.wikipedia.org/wiki/Mobile_operating_system.

    R. Riggs, A. Taivalsaari, J.Van Peursem, J. Huopaniemi, M. Patel, A. Uotila and Jim Holliday Editor, “Programming Wireless Devices with the Java™ 2 Platform”, Micro Edition, Second Edition, Addison Wesley, 2003.

    A. K. Dey and G. D. Abowd, “Towards a Better Understanding of Context and Context-Awareness”, Handheld and Ubiquitous Computing, Vol. 1707, pp. 304-307, 1999.

    B. Schilit and M. Theimer, “Disseminating Active Map Information to Mobile Hosts”, IEEE Network, pp. 22-32, 1994.

    P. J. Brown, J. D. Bovey, X. Chen, “Context-Aware Applications: From the Laboratory to the Marketplace”, IEEE Personal Communications, Vol. 4, No. 5, pp. 58-64 ,1997.

    N. Ryan, J. Pascoe, D. R. Morse, “Enhanced Reality Fieldwork: the Context-Aware Archaeological Assistant”, Computer Applications in Archaeology ,1997.

    A. K. Dey, “Context-Aware Computing: The CyberDesk Project”. AAAI ‘98 Spring Symposium on Intelligent Environments, Technical Report pp. 51-54, 1998.

    P. J. Brown, “The Stick-e Document: a Framework for Creating Context-Aware Applications”, Electronic Publishing, Vol. 8,  pp. 259-272, 1995.

    O. Kwon, J. M. Shin and S. W. Kim, “Context-aware multi-agent approach to pervasive negotiation support systems”, Expert Systems with Applications, vol. 31, pp. 275–285, August 2006.

    D. Franklin, J. Flaschbart, “All Gadget and No Representation Makes Jack a Dull Environment” AAAI Spring Symposium on Intelligent Environments, Technical Report, pp. 155-160, 1998.

    Ch. Doulkeridis, N. Loutas, M. Vazirgiannis, “A System Architecture for Context-Aware Service Discovery”, Electronic Notes in Theoretical Computer Science, vol. 146, , pp. 101–116, 2005.

    B. N. Schilit, N. Adams, R. Want, “Context-Aware Computing Applications”. 1st International Workshop on Mobile Computing Systems and Applications, pp. 85-90, 1994.

    O. Riva, S. Toivonen, “The DYNAMOS approach to support context-aware service provisioning in mobile environments”, The Journal of Systems and Software, vol. 80, pp. 1956–1972, 2007.

    R. A. Yaiz, F. Selgert, F. D. Hartog,  “On the definition and relevance of Context-awareness in personal networks”, Third Annual International Conference on Mobile and Ubiquitous Systems: Networking&Services,  PP. 1-6, 2006.

    R. Want, A. Hopper, V. Falcao, J. Gibbons, “The Active Badge Location System”, ACM Transactions on Information Systems, Vol. 10, No.1 ,pp. 91-102, 1992.

    J. kolari, T. Laakko, T. Hiltonen, V. IKonen, M. Kulju, R. Suihkonen, S. Toivonen, T. Virtanen, “Context-Aware services for Mobile users, technology and user experience”,  VTT Information  Technology, 2004.

    J. Pascoe, “Adding Generic Contextual Capabilities to Wearable Computers”, 2nd International Symposium on Wearable Computers, pp. 92-99, 1998.

    J. Pascoe, N. Ryan, D. R. Morse, “Human-Computer-Giraffe Interaction – HCI in the Field”, Workshop on Human Computer Interaction with Mobile Devices, 1998.

     N. S. Ryan, J. Pascoe, D. Morse, “Enhanced Reality Fieldwork: the Context-Aware Archaeological Assistant”, Computer Applications in Archaeology, 1997.

    R. Hull, P. Neaves, J. Bedford-Roberts, “Towards Situated Computing”, 1st International Symposium on Wearable Computers. pp. 146-153, 1997.

    Ch. Bolchini, C. A. Curino, E. Quintarelli, F. A. Schreiber, L. Tanca , “A Data-oriented Survey of Context Models”, Vol. 36, No. 4, pp. 19-26, 2007.

    R. J. Mooney, P. N. Bennet, and L. Roy, “Book Recommending Using Text Categorization With Extracted Information”, Proc. Recommender systems papers from 1998 Workshop, Technical Report , 1998.

    M. Pazzani and D. Billsus, “Learning and revising User Profiles: The Identification of Interesting Web Sites”, Machine Learning, vol. 27, No.3,  pp. 313-331, 1997.

    R. Baeza-Yates and B. Riberio-Neto, Modern Information Retrival, Addision-Wesley, 1999.

    G. Salton, Automatic Text Processing, Addision-Wesley, 1989.

    U. Shardanand and P. Maes, “Social Information Filtering: Algorithms for Automating ‘Word of Mouth’”, Proc. Conf. Human Factors in Computing Systems, 1995.

    B. Sheth and P. Maes, “Evolving Agents for Personalized Information Filtering,” Proc. Ninth IEEE Conf. Artificial Intelligence for Applications, 1993.

    E. Rich, “User Modeling via Stereotypes,” Cognitive Science, vol. 3, no. 4, pp. 329-354, 1979.

    D. Goldberg, D. Nichols, B. M. Oki and D. Terry, “Using collaborative filtering to weave an information tapestry”, Communications of the ACM, Vol. 35, No. 12, 1992.

    P. Resnick, N. Lakovou, M. Sushak, P. Bergstorm, and J. Riedl, “GroupLens: An Open Architecture for Collaborative Filtering of Netnews,” Proc. 1994 Computer Supported Cooprative Work Conf., 1994.

    B. Sarwar, G. Karypis, J. Konstan, and J. Riedl, “Item-Based Collaborative Filtering Recommendation Algorithms,” Proc. 10th Int’l WWW Conf., pp. 285-295, 2001.

    J. S. Breese, D. Heckerman, and C. Kadie, “Empirical Analysis of Predictive Algorithms for Collaborative Filtering”, Proc. 14th Conf. Uncertainty in Artificial Intelligence, 1998. 

    M. Deshpande and G. Karyps, “Item-Based Top-N Recommendation Algorithms”, Information Systems, vol. 22, no. 1, pp. 143-177, 2004.

    D. Billsus and M. J. Pazzani, “Learning Collaborative Information Filters”, Proc. Int’1 Conf. Machine Learning, 1998.

    D. M. Pennock, E. Horvitz, S. Lawrence and L. C Giles, “Collaborative Filtering by Personality: A Hybrid Memory and Model-Based Approach”, Proc. Int’1 Joint Conf. Artificial Intelligence Workshop: Machine Learning for Information filtering, 1999.

    M. Pazzani, “A Framework for Collaborative, Content-Based, and Demographic Filtering” Artificial Intelligence Rev., pp. 393-408, 1999.

    I. Soboroff, Ch. Nicholas and Ch. K. Nicholas, “Combining Content and Collaboration in Text Filtering”, In Proceedings of the IJCAI’99 Workshop on Machine Learning for Information Filtering, 1999.

    M. Balabanovic and Y. Shoham, “Fab: Content-Based, Collaborative Recommendation”, Comm. ACM, vol. 40, no. 3, pp. 66-72, 1997.

    J. L. Herlocker, J. A. Konstan, L. G. Terveen, J. T. Riedl, “Evaluating Collaborative Filtering Recommender Systems”, ACM Transactions on Information Systems, Vol. 22, No. 1, pp. 5-53, 2004.

    C. Hayes, P. Massa, P. Avesani and P. Cunningham, “An on-line evaluation framework for recommender systems”, In Workshop on Personalization and Recommendation in E-Commerce, 2002.

    J. S. Breese, D. Heckerman and C. Kadie, “Empirical Analysis of Predictive Algorithms for Collaborative Filtering”, 14th Conference on Uncertainty in Artificial Intelligence, pp. 43-52, 1998.

    G. Adomavicius and A. Tuzhilin, “ Expert-Driven Validation of Rule-Based User Models in Personalization Applications”, Data Mining and Knowledge Discovery, vol. 5, no. 1 and 2, pp. 33-58, 2001.

    T. Fawcett and F. Provost, “Combining Data Mining and Machine Learning for Efficient User Profiling”, Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining (KDD), 1996.

    H. Mannila, H. Toivonen, and A. I. Verkamo, “Discovering Frequent Episodes in Sequences”, Proceedings of the First International Conference on Knowledge Discovery and Data Mining (KDD-95), 1995.

    G. Adomavicius  and A. Tuzhilin, “Multidimensional Recommender Systems: A Dtata Warehousing Approach,”, Proc. Second Int’l Workshop Electronic Commerce (WELCOM ‘01), 2001.

    R. J. Mooney and L. Roy, “Content-Based Book Recommending Using learning for Text Categorization”, In Proceedings of DL-00, 5th {ACM} Conference on Digital Libraries, pp. 195-204, 2000.

    S. Figge, “Situation-dependent services-a challenge for mobile network operators”, Journal of Business Research, vol. 57,  pp. 1416-1422, 2004.

    M. Ehrig, P. Haase, M. Hefke and N. Stojanovic,  ” Similarity for Ontologies - a Comprehensive Framework”, In Workshop Enterprise Modelling and Ontology: Ingredients for Interoperability, 2004.

    G. Chen, D.Kotz, “A Survey of Context-Aware Mobile Computing Research”, TR2000-381. Dept. of Computer Science, Dartmouth College, 2000.

    M. Hosseini-Pozveh, M. A. Nematbakhsh, N. Movahedinia, “A multidimensional approach for context-aware recommendation in mobile commerce”, WORLDCOMP’09 Conference, Las Vegas Nevada, USA, July 2009.

    M. Hosseini-Pozveh, M. A. Nematbakhsh, N. Movahedinia, “A multidimensional approach for context-aware recommendation in mobile commerce”,  International Journal of Computer Science and Information Security, Vol.3, No.1, July 2009.

    مریم حسینی­پزوه، محمد­علی نعمت­بخش، ناصر موحدی­نیا، ""ارائه یک روش چند­بعدی برای توصیه­گری آگاه از زمینه در تجارت سیار"، کنفرانس شهر الکترونیکی، تهران، خرداد 1388.


تحقیق در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, مقاله در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, پروژه دانشجویی در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, پروپوزال در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, تز دکترا در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, تحقیقات دانشجویی درباره پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, مقالات دانشجویی درباره پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, پروژه درباره پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, گزارش سمینار در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, پروژه دانشجویی در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, تحقیق دانش آموزی در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, مقاله دانش آموزی در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار, رساله دکترا در مورد پایان نامه یک روش چند بعدی برای پیشنهاد دهنده های آگاه از زمینه در تجارت سیار

پایان نامه تحصیلی جهت اخذ درجه کارشناسی ارشد رشته :مدیریت بازرگانی گرایش بازاریابی چکیده این تحقیق به دنبال بررسی ارزیابی عملکرد شعب بانک تجارت استان گیلان بر اساس شاخص های مدل تعالی سازمانی EFQM می باشد. پژوهش حاضر از نظر هدف کاربردی و روش گردآوری داده ها توصیفی و از شاخه مطالعات میدانی به شمار می آید. جامعه آماری این تحقیق نیز شامل کلیّه پرسنل بانک تجارت سراسر استان گیلان در ...

پایان نامه برای دریافت درجه کارشناسی ارشد ".M.A" چکیده : نیروی انسانی شاغل در سازمانها اصلی ترین سرمایه در اختیار مدیران است و مدیریت منابع انسانی مهمترین و شاید اصلی ترین وظیفه مدیران می باشد. رفتار و فعالیت انسانها ناشی از انگیزه های آنان است. از آنجائیکه تقویت انگیزه ها میتواند منجر به بهبود و موفقیت بیشتر هر سازمانی گردد، لذا شناسایی عوامل موثر بر انگیزه می تواند به مدیران و ...

پایان­نامه تحصیلی جهت اخذ درجه کارشناسی ارشد در رشته: جغرافیا و برنامه ریزی توریسم چکیده صنعت گردشگری یکی از بزرگ‌ترین و پربازده‌ترین فعالیت‌های اقتصادی در دنیا است که بالاترین ارزش افزوده را ایجاد می‌کند و به طور مستقیم و غیرمستقیم سایر فعالیت‌های اقتصادی و فرهنگی را تحت تأثیر قرار می‌دهد. توسعه توریسم در هر نقطه که باشد می‌تواند توسعه را بدنبال داشته باشد. تحقیق حاضر از نوع ...

پایان­نامه تحصیلی جهت اخذ درجه کارشناسی ارشد رشته: مدیریت بازرگانی گرایش مالی چکیده در این پایان‌نامه به بررسی تاثیر عوامل درونی و بیرونی بر سودآوری بانک‌ها در ایران به تفکیک بانک خصوصی (12 بانک) و دولتی (5 بانک) طی سال‌های1385-1392 پرداخته شده است. براساس آزمون‌های انجام شده، در برآورد مدل بانک‌های خصوصی از روش داده‌های تابلویی و برای بانک‌های دولتی از روش اثرات مشترک استفاده ...

پایان­نامه تحصیلی جهت اخذ درجه کارشناسی ارشد رشته: مدیریت بازرگانی- گرایش مالی چکیده: هدف این پژوهش، بررسی نقش اقلام تعهدی در ارزیابی و پیش‌بینی جریان‌های نقدی شرکت‌ها است. این پژوهش از نوع مطالعه کتابخانه‌ای و تحلیلی- علی بوده و مبتنی بر تحلیل داده‌های تابلویی (پانل دیتا) است. در این پژوهش اطلاعات مالی 103 شرکت پذیرفته شده در بورس اوراق بهادار تهران در طی دوره زمانی 1386 تا ...

پایان نامه جهت دریافت درجه کارشناسی ارشد رشته مدیریت بازرگانی چکیده فرایند جهانی شدن به سرعت در جریان است و دنیای ما را به سوی یک دهکده جهانی سوق می دهد که در آن فرهنگ ها هر روز بیشتر از دیروز به سمت همگون شدن پیش می روند. این فرایندها به شرکت ها این فرصت را می دهد تا با به کارگیری روشهای جدید بازاریابی، مصرف کنندگانی در سراسر جهان داشته باشند. صادرات محصول یکی از روش های حضور ...

پایان نامه برای دریافت درجه کارشناسی ارشد (M.A) مدیریت بازرگانی گرایش بین الملل چکیده انعطاف­پذیری استراتژیک و تاثیراتی که این امر بر عملکرد صادراتی دارد از اهمیت خاصی برخوردار است. محققان معتقدند که انعطاف­پذیری استراتژیک می­تواند بصورت بالقوه عملکرد را بهبود­داده و موجب سودآوری گردد . سوال اصلی این تحقیق : . " انعطاف پذیری استراتژیک چه تاثیری بر عملکرد صادراتی و توسعه بازار ...

پایان نامه تحصیلی جهت اخذ درجه کارشناسی ارشد )) M.A (( رشته : مدیریت بازرگانی گرایش : بازرگانی داخلی چکیده : در جهان فرا رقابتی امروز، راز بقاء و موفقیت سازمان‌ ها، درک ساختار رقابتی بازار است. دستیابی به این درک، مستلزم آگاهی و شناخت مدیریت از نظرات و خواست مشتری و ارزیابی و بهره گیری از آمیخته بازاریابی (P4) (محصول، قیمت، توزیع و ترفیع) در بازار به منظور دست یابی به سهم بازار ...

پایان نامه برای دریافت درجه کارشناسی ارشد رشته: مدیریت اجرایی گرایش: استراتژیک چکیده هدف از انجام این تحقیق بررسی امکان بکارگیری کارت امتیازی متوازن جهت اجرای استراتژی­های آن در شرکت خودرو­سازی سایپا است. کارت امتیازی متوازن یکی از تکنیک­های ارزیابی عملکرد سازمان­ها می­باشد که سازمان را از چهار منظر مالی، مشتری، فرآیندهای داخلی و یادگیری و رشد مورد ارزیابی قرار می­دهد. عمده­ترین ...

پايان نامه کارشناسي ارشد در رشته مديريت رسانه زمستان 1391 مورد مطالعه روزنامه هاي آن لاين همشهري، جام جم و خراسان چکيده ادبيات موضوع در زمينه روزنامه­هاي آن­­لاين شامل مطال

ثبت سفارش