کتاب اصول و مفاهیم بنیادین سیستم های توصیه گر (ویژه دوره کارشناسی ارشد و دکتری تخصصی)

کتاب اصول و مفاهیم بنیادین سیستم های توصیه گر (ویژه دوره کارشناسی ارشد و دکتری تخصصی) نوشته حمیدرضا آوینی، کرم الله باقری فرد و ثریا حسین فرهی، سازوکار تبدیل اطلاعات کاربران به پیشنهادهای متناسب با علایق آن‌ها را بررسی می‌کند. مسئله‌ی اصلی، انتخاب گزینه‌های مناسب از میان مجموعه‌ای از کالاها، محتواها و خدمات است؛ انتخابی که به نوع داده‌ها، روش پیش‌بینی و معیارهای ارزیابی وابسته است. انتشارات آفتاب گیتی این کتاب را منتشر کرده است. مباحث از شناخت ترجیحات کاربران آغاز می‌شوند و به روش‌های مشارکتی، مبتنی بر محتوا، مبتنی بر دانش و ترکیبی می‌رسند. نسخه‌ی الکترونیکی این اثر را می‌توانید از طاقچه خرید و دانلود کنید.

درباره کتاب اصول و مفاهیم بنیادین سیستم های توصیه گر (ویژه دوره کارشناسی ارشد و دکتری تخصصی)

کتاب اصول و مفاهیم بنیادین سیستم های توصیه گر حاصل کار حمیدرضا آوینی، کرم الله باقری فرد و ثریا حسین فرهی است و موضوع پیشنهاددهی را از تعریف مسئله تا بررسی خانواده‌های الگوریتمی دنبال می‌کند. نویسندگان در هشت فصل، مبانی محاسباتی را کنار مسائل طراحی قرار داده‌اند. فصل نخست با عنوان مروری بر سیستم‌های توصیه گر، منابع اطلاعاتی، روش‌های فیلترینگ، معیارهای تشابه و ارزیابی نتایج را معرفی می‌کند. فصل دوم به طراحی معنایی سیستم‌های توصیه‌گر مربوط به نرم‌افزارهای کمکی اختصاص دارد و مباحثی مانند هستی‌شناسی، امکان‌سنجی، تطابق، مرتب‌سازی و استقرار را دربرمی‌گیرد. فصل سوم، پرسش‌های تحقیقاتی، انتخاب مطالعات، معماری، پروفایل‌سازی کاربران و شیوه‌های ارزیابی را بررسی کرده است. این گستره نشان می‌دهد که توصیه‌گر صرفاً یک الگوریتم برای مرتب‌کردن گزینه‌ها نیست. طراحی چنین سامانه‌ای به شناخت داده‌های موجود، نحوه‌ی نمایش ترجیحات و ارتباط اجزای سیستم وابسته است. پیشگفتار نیز تمرین‌های پایان فصل را فرصتی برای پژوهش دانشجویان معرفی کرده است و مراجعه به مقالات دانشگاهی را برای بررسی بیشتر موضوعات پیشنهاد می‌کند.
کتاب اصول و مفاهیم بنیادین سیستم های توصیه گر در فصل‌های بعد، تفاوت روش‌ها را با جزئیات محاسباتی بیشتری توضیح می‌دهد. فصل فیلترینگ مشارکتی مبتنی بر همسایگی، مدل‌های مبتنی بر کاربر و آیتم، پیچیدگی محاسباتی، خوشه‌بندی، کاهش ابعاد و مدل‌های گراف را پوشش می‌دهد. فصل فیلترینگ مشارکتی مبتنی بر مدل، موضوعاتی مانند درخت تصمیم، رگرسیون، روش بیز، شبکه‌ی عصبی و مدل‌های عامل پنهان را مطرح کرده است. دو فصل بعد به توصیه‌گرهای مبتنی بر محتوا و مبتنی بر دانش اختصاص دارند. مباحث پایانی نیز وزن‌دهی، تغییر روش هنگام شروع سرد و ترکیب‌های آبشاری را بررسی می‌کنند. متن، فرمول‌ها، جدول‌ها و نمودارها را برای توضیح روابط میان کاربران، آیتم‌ها و امتیازها به کار گرفته است. محدودیت‌های روش‌ها نیز بخشی از بحث‌اند؛ از کمبود امتیاز و دشواری شناخت کاربر جدید تا محدودشدن پیشنهادها به گزینه‌های بیش‌ازحد مشابه. این شیوه‌ی ارائه، مطالعه را به مقایسه‌ی مفروضات و پیامدهای انتخاب هر روش پیوند می‌دهد.

خلاصه کتاب اصول و مفاهیم بنیادین سیستم های توصیه گر (ویژه دوره کارشناسی ارشد و دکتری تخصصی)

کتاب اصول و مفاهیم بنیادین سیستم های توصیه گر، پیشنهاددهی را مسئله‌ی شناخت ترجیحات و تخمین سودمندی گزینه‌ها برای هر کاربر معرفی می‌کند. داده‌ها ممکن است از امتیازهای اعلام‌شده، رفتار ثبت‌شده، مشخصات شخصی یا ارتباطات اجتماعی به دست آیند. روش‌های مبتنی بر محتوا، ویژگی‌های آیتم‌ها را با علایق کاربر مقایسه می‌کنند؛ روش‌های مشارکتی از ترجیحات افراد مختلف برای پیش‌بینی استفاده می‌کنند. روش‌های مبتنی بر دانش نیز نیازها و محدودیت‌های انتخاب را وارد فرایند می‌کنند. موضوع محوری این است که انتخاب روش باید با داده‌های موجود و هدف سامانه تناسب داشته باشد. کیفیت پیشنهادها فقط به دقت وابسته نیست؛ تازگی و پوشش نیز اهمیت دارند. کمبود داده، مقیاس‌پذیری، مصرف حافظه و زمان محاسبه از دیگر ملاحظاتی هستند که طراحی را تحت‌تأثیر قرار می‌دهند.

چرا باید کتاب اصول و مفاهیم بنیادین سیستم های توصیه گر (ویژه دوره کارشناسی ارشد و دکتری تخصصی) را بخوانیم؟

دلایل خواندن کتاب اصول و مفاهیم بنیادین سیستم های توصیه گر:

• دسته‌بندی روش‌های پیشنهاددهی، مبنایی برای مقایسه‌ی الگوریتم‌های مشارکتی، محتوایی و مبتنی بر دانش فراهم می‌کند.
• بررسی محدودیت‌ها، شناخت مسئله‌ی شروع سرد و پراکندگی ماتریس امتیازدهی را گسترش می‌دهد.
• مباحث معماری و ارزیابی، انتخاب الگوریتم را به الزامات طراحی سامانه پیوند می‌دهند.
• تمرین‌های پایان فصل، زمینه‌ی بررسی پژوهشی موضوعات مطرح‌شده را فراهم می‌کنند.

خواندن این کتاب را به چه کسانی پیشنهاد می‌کنیم؟

مطالعه‌ی این کتاب به گروه‌های زیر پیشنهاد می‌شود:

• دانشجویان کارشناسی ارشد و دکتری که موضوع پژوهششان سیستم‌های توصیه‌گر است.
• پژوهشگرانی که به مقایسه‌ی روش‌های پیش‌بینی ترجیحات کاربران علاقه دارند.
• طراحان سامانه‌های پیشنهاددهی که به شناخت مبانی الگوریتم‌ها و محدودیت‌های داده نیاز دارند.