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

 

 

 

 

 

عنوان                                                                                                                           صفحه

 

 

 

 

 

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

 

 

فهرست شکل­ها

 

 

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

 

 

 

 

 

 

 

 

 

 

 

فهرست جدول­ها

 

 

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_i مشابه به s بوده و s_i 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(c_j ,s) بدست می­آید که  c_j  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