دانلود متن کامل پایان نامه با فرمت ورد

پایان نامه مقطع کارشناسی ارشد رشته کامپیوتر

دانشگاه اصفهان

دانشکده فني و مهندسي

گروه کامپيوتر

پايان نامه کارشناسی ارشد رشته ی کامپيوتر گرايش نرم ­افزار

عنوان:

يک روش چند­بعدي براي پيشنهاد­ دهنده ­هاي آگاه­ از زمينه در تجارت سيار

استادان راهنما:

دکتر محمد­علي نعمت­بخش

دکتر ناصر موحدي نيا

برای رعایت حریم خصوصی نام نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

فهرست مطالب:

فصل اول: مقدمه

1-1 مقدمه………………………. 1

1-2 موضوع تحقيق………………………. 3

1-3 موضوع تحقيق………………………. 4

1-4 اهميت و ارزش تحقيق………………………. 6

1-5 اهداف تحقيق………………………. 6

1-6 کاربرد نتايج تحقيق………………………. 6

1-7 مروري بر ساختار پايان ­نامه……………………… 7

فصل دوم: تجارت سيار

2-1 مقدمه……………………… 8

2-2 تجارت سيار…………………….. 9

2-3 دسته ­بندي ادبيات تحقيقاتي تجارت سيار…… 11

2-3-1 حوزه تحقيقات نظری………………………. 11

2-3-2 شبکه بي­سيم……………………… 12

2-3-3 ميان­ افزار سيار…………………….. 13

2-3-4 زير­بناي کاربري بي­سيم……………………… 14

2-3-5 کاربرد­هاي تجارت سيار…………………….. 14

2-4 فناوري­هاي تجارت سيار…………………….. 16

2-5 استاندارد­هاي بي­سيم……………………… 18

2-6 بستر پياده­سازي کاربرد­هاي تجارت سيار ………………. 19

2-6-1 زبان­هاي برنامه­ نويسي موبايل………………………. 22

2-7 جمع­بندي………………………. 23

فصل سوم: زمينه3-1 مقدمه……………………… 25

3-2 زمينه……………………… 26

3-2-1 تعاريف پارامتريک……………………….. 26

3-2-2 تعاريف کلي………………………. 27

3-3 دسته ­بندي اطلاعات زمينه……………………… 28

3-4 آگاهي از زمينه……………………… 31

3-5 طراحي زمينه……………………… 32

3-6 جمع­بندي………………………. 33

فصل چهارم: سيستم­هاي پيشنهاد­دهنده

4-1 مقدمه……………………… 35

4-2 بررسي عملکرد سيستم­هاي پيشنهاد­دهنده…………………….. 36

4-2-1 روش­هاي مبتنی بر محتوا…………………….. 38

4-2-1-1 مشکلات و محدوديت­­هاي روش­هاي مبتني بر محتوا …………. 41

4-2-2 روش­هاي فيلترسازي مشارکتی………………………. 42

4-2-2-1 مشکلات و محدوديت­­هاي روش­هاي فيلتر­سازي مشارکتي………. 46

4-2-3 روش­هاي ترکيبي………………………. 48

4-3 ارزيابي سيستم­هاي پيشنهاد­دهنده…………………….. 49

4-4 بسط قابليت­هاي سيستم­هاي پيشنهاد­دهنده…………………….. 51

4-4-1 شرکت­دادن شناختي جامع از کاربران و اقلام در فرآيند پيشنهاد­دهي……. 51

4-4-2 امتياز­گذاري چند­معياري………………………. 52

4-4-3 پيشنهاد­دهنده ­هاي غير­تداخلي………………………. 53

4-4-4 انعطاف ­پذيري………………………. 53

4-4-5 توسعه شاخص­هاي ارزيابي………………………. 544-4-6 استفاده از اطلاعات زمينه در پيشنهاد­دهنده­ ها…………………….. 55

4-4-7 ساير گزينه ­ها براي بسط و توسعه سيستم­هاي پيشنهاد­دهنده ……. 55

4-5 جمع­بندي………………………. 55

فصل پنجم: روش جديد چند­بعدي براي پيشنهاد­دهي آگاه از زمينه

5-1 مقدمه………………………57

5-2 سيستم­هاي پيشنهاد­دهنده آگاه­از­زمينه در تجارت سيار……….. 58

5-3 مدل­سازي اطلاعات زمينه……………………… 59

5-4 روش چند­بعدی در سيستم­های توصيه­ گر سيار آگاه از زمينه……. 61

5-5 جمع­بندي………………………. 68

فصل ششم: ارزيابي  

6-1 مقدمه……………………… 69

6-2 روش ارزيابی………………………. 69

6-2-1 پياده­سازي سيستم جمع ­آوري داده…………………….. 70

6-3 پياده­ سازي روش پيشنهاد­دهي………………………. 72

6-3-1 پياده­ سازي روش پيشنهاد­دهي دو­بعدي………………………. 73

6-3-2 پياده­ سازي روش پيشنهاد­دهي چند­بعدي………………………. 78

6-4 جمع­بندي………………………. 82

فصل هفتم: جمع­بندي و راهکار­هاي آينده 

7-1 مقدمه……………………… 84

7-2 راهکار­هاي آينده ……………………..85

منابع و مآخذ………………………. 87

چکیده:

استفاده از زمينه، به عنوان اطلاعات پويايي که توصيف­گر وضعيت کاربران و اقلام بوده و بر فرايند تصميم­گيري و انتخاب کاربران تاثيرگذار است، توسط سيستم­هاي پيشنهاد­دهنده در تجارت سيار، در جهت ارتقاء کيفيت مناسب پيشنهاد­دهي ضروري است. در اين تحقيق يک روش جديد چند­بعدي براي پيشنهاد­دهي آگاه از زمينه در تجارت سيار ارائه­ شده است. در اين روش اطلاعات کاربران، اقلام، پارامتر هاي زمينه و ارتباط ميان آنها در يک فضاي چند­بعدي نمايش ­داده مي­شود که به آن مکعب چند­بعدي امتيازات گفته مي­شود. در اين فضا زمينه­ هاي مشابه به­ طور جداگانه براي هر کاربر شناسايي مي­شوند که اين کار با شناسايي الگوهاي مصرف متفاوت کاربران در شرايط زمينه­اي مختلف انجام مي­شود. با بدست آوردن اين اطلاعات، يک فضاي جديد دوبعدي ايجاد­شده و پيشنهاد­دهي نهايي با بهره گرفتن از يک روش فيلتر­سازي مشارکتي در اين فضا انجام مي­گيرد. ارزيابي روش از طريق پياده ­سازي آن در يک سيستم پيشنهاد­دهي محصولات غذايي رستوران­ها شامل پارامتر­هاي زمينه­اي روز، زمان، آب و هوا و همراه علاوه بر پارامتر­هاي کاربر و اقلام و مقايسه آن با روش سنتي پيشنهاد­دهي و بدون در­نظر­­گرفتن اطلاعات زمينه انجام گرفته ­است. براي پياده­سازي روش فيلتر­سازي مشارکتي از شبکه­ هاي خود­سازمانده استفاده­شده­است. شبکه­ های خود­سازمانده، نوعی از شبکه هاي عصبي بدون ناظر هستند. مقايسه و ارزيابي نتايج با بهره گرفتن از محاسبه شاخص F1 که يکي از شاخص­هاي استاندارد و پر استفاده براي ارزيابي پيشنهاد­دهنده­ ها است، انجام گرفته ­است. بر اساس اين نتايج، روش پيشنهاد­دهي چند­بعدي در حدود شانزده درصد بهبود نسبت به روش سنتي پيشنهاد­دهي را نمايش مي­دهد که همين مساله کارايي روش را از نظر کيفيت پيشنهاد­دهي تاييد مي­کند.

فصل اول: مقدمه

1-1- مقدمه

سيستم­هاي پيشنهاد­دهنده در تجارت سيار از جمله موضوعات پر­اهميت سال­هاي اخير بوده­اند که با ظهور تکنولوژي­هاي بي­سيم و تسهيل حرکت تجارت الکترونيکي از محيط­هاي سيمي به سوي بي­سيم­ مورد توجه قرار­گرفته­اند. تجارت سيار به­معناي انجام فعاليت­هاي تجارت­الکترونيک از طريق محيط­هاي بي­سيم، به­طورخاص اينترنت بي­سيم، و وسايل دستي سيار مي­باشد که با­ پيدايش تکنولوژي بي­سيم در عرصه اينترنت و استفاده روزافزون از وسايل سيار توجه به آن رو به افزايش است[1,2]. به کاربرد­هاي تجارت سيار دو خصوصيت ويژه تحرک[1] و دسترسي وسيع[2] نسبت داده­شده­است[1,3] که اولين خصوصيت بر امکان از بين رفتن محدوديت­هاي مکاني و دومين خصوصيت بر امکان از بين رفتن محدوديت­هاي زماني در استفاده کاربران از خدمات اين نوع کاربرد­ها تاکيد دارد[1,3,4,5]. اين­که کاربران براي انجام فعاليت هايي چون بانکداري الکترونيکي يا خريد الکترونيکي محصولات، قادر به جايگزيني وسايلي چون تلفن­هاي سيار و ­همراه­هاي شخصي ديجيتال (پي.دي.اِي)[3] به­جاي کامپيوتر­هاي شخصي باشند، تسهيلات زيادي را براي آنها و فرصت­هاي جديدي را نيز براي کسب وکار­ها فراهم­­­خواهد­کرد و لزوم توجه به اين عرصه را براي محققان نمايان مي­سازد[1,3].

اما پياده­سازي سيستم­هاي پيشنهاد­دهنده در محيط­هاي سيار بدون در­نظر­گرفتن پارامتر­هاي تاثير­گذار در اين محيط چندان مناسب­نخواهد­بود. مجموعه اين پارامتر­ها، اطلاعات زمينه را تشکيل مي­دهند [6].

عملکرد سيستم­هاي پيشنهاد­دهنده معرفي منابع مورد نياز کاربران به آنهاست. اين منابع مي­توانند مواردی مانند اطلاعات خاص مورد نياز کاربر و يا کالاها­يي مانند کتاب يا فيلم مورد علاقه يک کاربر را از ميان انبوه کالاهايي که کاربر با اطلاعات آن­ها روبروست، در­بر­گيرند[7,8,9]. درسيستم­هاي پيشنهاد­دهنده، سه مجموعه داده اصلي يعني مجموعه کاربران (C)، مجموعه اقلام قابل توصيه(S) (مانند کتاب، فيلم، موسيقي و غيره) و مجموعه داده­هايي که رابطه ميان دو مجموعه قبلي را تعريف می­کنند، وجود­دارند. مجموعهS مي­تواند شامل صد­ها، هزار­ها و حتي ميليون­ها کالا در کاربرد­هاي مختلف بوده و به­طور مشابه مجموعه C نيز مي­تواند چنين وضعيتي را داشته باشد. ارتباط ميان دو مجموعهC و S مبتني بر ساختار امتياز­گذاري است که ميزان مفيد بودن يا مورد علاقه بودن کالا را براي کاربر مشخص مي کند. اين ارتباط با تابعي تحت­ عنوان تابع سودمندي، u، به صورت رابطه زير تعريف مي­شود.

که در آن Ratings، مجموعه مرتبي مانند اعداد صحيح غير­منفي يا مجموعه اعداد حقيقي در بازه­اي معين مي­باشد.

در سيستم­هاي پيشنهاد­دهنده مقادير u معمولاً فقط بر روي زير مجموعه­اي از دامنه C×S تعريف­شده­است و نه بر تمام آن و قسمت هاي نامشخص اين دامنه را بايد با ­استفاده از داده­هاي موجود به­صورت تخميني مشخص نمود. هدف نهايي سيستم­های توصيه­کننده با ارائه پيشنهاد اقلام با بالاترين امتيازات تخميني به کاربران محقق مي­شود به­طوريکه براي هر کاربر ، اقلام با حداکثر ميزان سودمندي انتخاب و معرفي مي­گردد[7].

تا به امروز روش­هاي پيشنهاد­دهي زيادی ارائه شده­است که اين روش­ها و متدولوژی­ها در دسته­بندی­های زير قرار می­گيرند[7,9,10]:

– مبتنی بر محتوا[1] : در اين گروه از روش­ها، عمل پيشنهاد­دهي با بهره گرفتن از يافتن اقلامي انجام مي­گيرد که بيشترين تشابه را با اقلامي داشته باشند که در­گذشته مورد­علاقه کاربر بوده­اند. به عبارت ديگر u(c,s)، سودمندي کالاي s براي کاربر c، بر اساس کليه مقادير موجود u(c,si) هايي که si مشابه به s بوده و si جزء کالاهاي مورد علاقه کاربر هستند،­ برآورد مي­شود.

– فيلترسازي مشارکتی : در اين گروه از روش­ها، عمل پيشنهاد­دهي با بهره گرفتن از يافتن اقلامي انجام مي­گيرد که مورد علاقه کاربران با سلايق مشابه کاربر بوده­اند. کاربران با سلايق مشابه يعني کاربراني که اقلام يکساني را امتياز­دهي مشابه کرده باشند. به­عبارت ديگر u (c, s) بر اساس مقادير موجودu(cj ,s) بدست مي­آيد که cj کاربران مشابه با c مي­باشند.

– مدل ترکيبي[2]: روش­هايي که دو روش مبتني­بر­محتوا و فيلتر­سازي مشارکتي را ترکيب مي­کنند و به اين صورت از مزايای هر دو روش در جهت شناسايي و معرفي کالاها بهره مي­گيرند.

در نگاهی ديگر روش­های پيشنهاد­دهي، اعم از مبتنی بر محتوا و فيلتر­سازی مشارکتي به دو دسته روش­هاي مبتني بر حافظه[3]و مبتنی بر مدل[4] تقسيم مي­شوند. در­مقايسه با الگوريتم­هاي مبتنی بر حافظه، الگوريتم­هاي مبتنی بر مدل، با بهره گرفتن از روش­های يادگيري ماشين[5] مدلي را با بهره گرفتن از مجموعه امتيازات موجود ايجاد کرده و از آن به­منظور پيشگويي امتيازات استفاده مي­کنند[7,10,11].

1-2 موضوع تحقيق

موضوع اين تحقيق، ارائه روشي براي پيشنهاد­دهي آگاه از زمينه در تجارت سيار مي­باشد. با­ پيدايش تکنولوژي بي­سيم در عرصه اينترنت و استفاده روزافزون از وسايل سيار، پياده­سازي سيستم­هاي پيشنهاد­دهنده در محيط­هاي سيار با توجه به محدوديت­هاي خاص آن چون هزينه­بر بودن زمان اتصال و تبادل داده، محدوديت پهناي باند، کيفيت پايين اتصال و محدوديت­هاي ورودي و خروجي وسايل سيار، نياز به بررسي بيشتر را در جهت ارائه اطلاعات مرتبط­تر و شخصي­سازي­شده­تر مي­طلبد. بررسي تاثير اطلاعات زمينه به­عنوان شرايط و محيط دربرگيرنده کاربر و به­عنوان اطلاعاتي که بر فرايند تصميم­گيري وي تاثير­گذارند، برخروجي اين­گونه کاربرد­ها، مساله­اي است که در اين تحقيق مورد بررسي قرار گرفته­است.

1-3 پيشينه تحقيق

ظهور تکنولوژي­هاي بي­سيم و استفاده رو به­افزايش وسايل سيار، فرصت­هاي زيادي را پيش روي کاربرد­هاي تجارت الکترونيک قرار­داده­است. با توجه به محدوديت­هاي خاص محيط­هاي سيار، ارائه اطلاعات به­صورت شخصي­سازي­شده­تر و سفارشي­شده­تر يکي از اهداف مهم کاربرد­هاي تجارت سيار است. در­نظرگرفتن اطلاعات زمينه به­عنوان شرايط و محيط دربرگيرنده کاربر و به­عنوان اطلاعاتي که بر فرايند تصميم­گيري وي تاثير­گذارند، در ارائه خروجي اين­گونه کاربرد­ها از جمله مواردي است که مي­توان از آن در جهت ارائه اطلاعات مرتبط­تر به کاربران بهره گرفت.

سيستم­هاي پيشنهاد­دهنده همواره از جمله موضوعات پر اهميت در حوزه تجارت الکترونيک بوده­است. سيستم­هاي پيشنهاد­دهنده سيار آگاه از زمينه در آغاز راه هستند. دسته مهمي از سيستم­هاي آگاه از زمينه را سيستم­هاي آگاه از مکان تشکيل مي­دهند. يانگ، چنگ، و دايا[12]، يک سيستم پيشنهاد­دهنده آگاه از مکان براي محيط­هاي سيار ارائه­داده­اند که هدف آن توصيه وب­سايت فروشندگان با در نظر­گرفتن علايق و پيش­فرض­هاي مشتري و همچنين فاصله مکاني وي با مکان فيزيکي مشخص­شده در وب­سايت­ها مي­باشد. در روش مزبور، دو فاکتور فوق به­طور جداگانه محاسبه­ شده و سپس بر اساس ترکيبي از آنها به پيشنهاد وب­سايت­ها پرداخته مي­شود. يکي ديگر از اين نوع سيستم­ها پروکسيمو[13] است که يک سيستم پيشنهاد­دهنده آگاه از مکان براي محيط­هاي داخلي چون موزه­ها و گالري­ها است. اين سيستم بر اساس علايق و پيش­فرض­هاي کاربر به پيشنهاد اقلام پرداخته و مکان اقلام را بر روي نقشه­اي بر روي وسيله همراه کاربر نمايش مي­دهد.

استفاده از ساير اطلاعات زمينه­اي علاوه­بر مکان نيز مورد توجه توسعه­دهندگان اين نوع سيستم­ها قرار­گرفته­است. پخش موسيقي يکي از حوزه­هاي کاربردي پر­مصرف در ميان کاربران سيار مي­باشد و به همين دليل استفاده از پيشنهاد­دهنده­هاي آگاه از زمينه در اين حوزه مورد توجه قرار­گرفته است. از آنجايي که تاثير موسيقي بر روح و جسم انسان ثابت شده­است، انتخاب موسيقي با توجه به شرايط مي­تواند وضعيت دوست­داشتني­تري را فراهم­کند و افراد را در انجام فعاليت­هايشان ياري رساند. مثلاً موسيقي مي­تواند کارايي فرد را در حال انجام تمرينات فيزيکي بهبود بخشد، اضطراب را کاهش دهد و ميزان يادگيري را بهبود بخشد. [14] يکي از تحقيقاتي است که در اين حوزه ارائه­شده­است. در اين تحقيق علاوه­بر بررسي روش­هاي فيلتر­سازي مبتني­بر زمينه و مرور پيشنهاد­دهنده­هاي سيار آگاه از زمينه موسيقي، پيشنهاد­دهنده سيار آگاه از زمينه AndroMedia ارائه شده­است. پيشنهادات با توجه به زمينه جاري کاربر که با بهره گرفتن از حسگر­هاي بلوتوث در سمت برنامه مشتري بدست مي­آيند و همچنين سلايق کاربر تهيه مي­شوند. همچنين در مرجع [15] نيز پيشنهاد­دهي آگاه از زمينه موسيقي در محيط­هاي سيار مورد بررسي قرار­گرفته­است. در تحقيق پارک، يو و چو[16] نيز يک سيستم آگاه از زمينه موسيقي با بهره گرفتن از شبکه­هاي بيزين فازي و تئوري سودمندي ارائه­شده­است. فرايند پيشنهاد­دهي تحليل شده و سودمندي آن مورد ارزيابي قرار­گرفته­است.

گردشگري نيز يکي از حوزه­هاي جذاب براي پياده­سازي پيشنهاد­دهنده­هاي سيار آگاه از زمينه مي­باشد. امروزه گردشگران انتظار دارند که دسترسي شخصي به اطلاعات گردشگري در هر زمان، هر مکان و در هر شرايطي را داشته­باشند. راهنما­هاي گردشگري سيار، چنين اطلاعاتي را در اختيار کاربران قرار مي­دهند. در مرجع [17] خلاصه­اي از کار­هاي انجام­شده در زمينه راهنماهاي گردشگري سيار تحت وب انجام گرفته­است. همچنين در مرجع[18]  تاثير آگاهي از زمينه در سيستم­هاي اطلاعاتي گردشگري سيار مورد بررسي قرار گرفته­است. در [19] نيز يک کاربرد توريستي سيار با نام COMPASS ارائه­شده­است. در اين تحقيق به بررسي ترکيب آگاهي از زمينه با سيستم­هاي پيشنهاد­دهنده پرداخته شده­است. پارامتر­هاي زمينه­اي اين تحقيق شامل زمان و مکان مي­باشند. اين سيستم خدمات خود را با نياز­هاي کاربر که بر اساس علايق و زمينه جاري وي مشخص مي­شود، تطبيق مي­دهد.

در [20] نيز يک سيستم پيشنهاد­دهنده تصاوير با بهره گرفتن از يک روش داده­کاوي که ترکيبي از روش­هاي مبتني­بر­محتوا و مبتني­بر اطلاعات زمينه مي­باشد ارائه­شده­است. اطلاعات زمينه استفاده­شده در اين تحقيق شامل زمان و مکان هستند. لي، ونگ، جنگ و داي[21]، يک سيستم توصيه­کننده آگاه از زمينه براي کاربرد­هاي تجارت سيار ارائه­داده­اند. در اين تحقيق از مدل چند­بعدي موجود در سيستم­هاي OLAP براي نمايش فضاي توصيه­گري و از روش مبتني بر کاهش فضا به­منظور کاهش فضاي توصيه­گري به فضاي دو­بعدي و انجام عمليات توصيه­گري در فضاي مزبور استفاده­کرده­اند.

استفاده از آنتولوژي و وب معنايي در سيستم­هاي پيشنهاد­دهنده سيار آگاه از زمينه نيز در تحقيقات بسياري مورد توجه­قرار­گرفته­است[22,23,24]. تکنولوژي­هاي وب معنايي، دسترسي هوشمند و کارا به اطلاعات را بهبود بخشيده­اند. از آنتولوژي مي­توان براي مدل­سازي زمينه و همچنين براي مدل­سازي ارتباط زمينه با ساير مجموعه­داده­ها استفاده­نمود. در تحقيق حاضر، يک روش جديد پيشنهاد­دهي آگاه از زمينه در تجارت سيار ارائه­شده­است.

[1] Content-Based

[2] Hybrid Model

[3] Memory-Based

[4] Model-Based

[5] Machine learning

 [1] Mobility

[2] Broad reach

[3] Personal Digital Assistant (i.e. PDA)

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

تعداد صفحه : 111

قیمت : 14700 تومان

 

—-

پشتیبانی سایت :       

*         serderehi@gmail.com

جستجو در سایت : کلمه کلیدی خود را وارد نمایید :