همان طور که از نتایج حاصل مشخص است بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران و ترکیب آن با مدل پایه TrustWalkerباعث بهبود عملکرد سیستم گردیده است. به صورت کاملا واضح و مشخص، بکارگیری این مکانیزم در سطح کلیه کاربران با کاهش چشمگیر میران خطای RMSE از مقدار ۱٫۱۵۸ به مقدار ۱٫۰۶۳ همراه بوده است همچنین درصد پوشش به میزان ۰٫۳۵% بهبود نشان میدهد. در خصوص میزان معیار F-measure که عملکرد کلی سیستم را نشان می دهد تغییر مقدار ۰٫۸۱۶ به ۰٫۸۳۵ نشان دهنده بهبود قابل توجه عملکرد سیستم در تمامی ابعاد میباشد.
نتایج مشابهی نیز در خصوص بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران برای مجموعه داده های مرتبط با کاربران تازه وارد حاصل شده است و نشان دهنده بهبود عملکرد سیستم خصوصا در زمینه کاهش میزان خطای RMSE و افزایش دقت پیش بینی امتیازات کاربران تازه وارد به آیتمهای مختلف میباشد. میزان بهبود خطای RMSE برای تمامی کاربران و خصوصا کاربران تازه وارد در مدل توسعه یافته به نسبت مدل پایه TrustWalker به وضوح در نمودار شماره ۵-۱ قابل مشاهده میباشد، همچنین درصد پوشش نیز اندکی رشد و افزایش نشان می دهد اما تاثیر اصلی بر روی کاهش خطا رخ داده است.
( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
نمودار ۵-۱ : مقایسه نتایج خطای RMSE و درصد پوشش مدل پایه و مدل توسعه یافته در خصوص کاربران تازه وارد و تمامی کاربران با بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران
در نمودار زیر مقدار معیار F-measure برای تمامی کاربران و کاربران تازه وارد بر اساس نتایج مدل پایه TrustWalker و همچنین مدل توسعه یافته به تصویر کشیده شده است. همان گونه که مشخص است میزان معیار F-measure، با بکارگیری مکانیزم تفسیر نظرات کاربران رشد قابل ملاحظهای را نشان میدهد که به صورت کلی میتوان نتیجه گرفت بکارگیری این مکانیزم تاثرات مثبتی را در مدل توسعه یافته به همراه داشته است.
نمودار ۵-۲ : مقایسه نتایج معیارF-measure مدل پایه و مدل توسعه یافته در خصوص کاربران تازه وارد و تمامی کاربران با بکارگیری مکانیزم تعدیل و تفسیر نظرات کاربران
۵-۸-۵- بررسی تاثیر بکارگیری انواع روش های ترکیبی برای انتخاب کاربران و پیمایش شبکه
همان گونه که در فصل پیشین بیان گردید بکارگیری روش های ترکیبی، همانند ترکیب پالایش گروهی مبتنی بر کاربر و روش های مبتنی بر اعتماد جهت پیمایش شبکه اعتماد میان کاربران و انتخاب ایشان می تواند باعث پاسخگویی سیستم به طیف وسیعتری از کاربران و همچنین کاهش میزان خطا گردد، از اینرو در مدل توسعه یافته با توجه به نتایج تحقیق [۱۹] از روش های ترکیبی “وزندار” و “مخلوط” که از عملکرد بهتر و دقت بالاتری برخوردار میباشند جهت بکارگیری در مدل توسعه یافته استفاده شده است.
۵-۸-۵-۱- نحوه محاسبه امتیاز رابطه موجود میان کاربران
در مجموعه داده epinions با توجه به تعداد بالای کاربران (تعداد ۷۵۸۸۸)، امکان محاسبه میزان دقیق اعتماد میان هر دو کاربر، مطابق فرمول شماره ۳۰ به دلیل حجم بالای محاسباتی مقدور نمی باشد لذا تنها برای زوج >کاربر,کاربر< های موجود در جدول WOT(شبکه اعتماد موجود میان کاربران) این محاسبه صورت میگیرد که نتایج حاصل در جدولی مشابه جدول WOT و تحت نام WOT_Calculated نگهداری می شود.
محاسبه تشابه میان کاربران برای زوج >کاربر,کاربر< های موجود در جدول WOT مطابق فرمول شماره ۱ صورت می گیرد و پس از انجام نرمال سازی و تغییر محدوده نتایج به بازه ]۱,۰[ به همراه نتایج موجود در جدول WOT_Calculated جهت محاسبه روش ترکیبی وزن دار (فرمول شماره ۳۱) و همچنین روش ترکیبی مخلوط (فرمول شماره ۳۲) مورد استفاده قرار میگیرد. لازم به ذکر می باشد در این تحقیق مقدار پارامتر ، ۰٫۳ در نظر گرفته شده است.
۵-۸-۵-۲- بررسی تاثیر بکارگیری روش های ترکیبی در عملکرد سیستم برای تمامی کاربران
برای آنالیز و تحلیل تاثیر بکارگیری روش های ترکیبی بر روی معیارهای میزان خطا، دقت و درصد پوشش، در مقابل روشهای مبتنی بر اعتماد خالص[۱۱۱]آزمایشی تدارک گرفت تا بتوان مقایسه دقیقی میان نتایج حاصل از اجرای الگوریتم مدل توسعه یافته در هریک از حالات مورد نظر بدست آورد. برای انجام اینکار عملکرد سیستم برای ۴ حالت مختلف زیر مورد ارزیابی قرار گرفت.
WOT-Binary: در این حالت از مجموعه داده WOT متشکل از اطلاعات رابطه اعتماد میان کاربران به صورت مقادیر ۰ یا ۱ برای انتخاب تصادفی همسایگان استفاده میگردد. در این روش احتمال انتخاب هر یک از همسایگان کاربر u یکسان می باشد و تفاوتی میان کاربران وجود ندارد.
WOT-Real : در این روش از مجموعه داده WOT_Calculated متشکل از مقادیر محاسبه شده رابطه اعتماد میان کاربران برای انتخاب تصادفی همسایگان استفاده شده است. لازم به توضیح می باشد مقادیر اعتماد به صورت مقادیر اعشاری و در بازه ]۱,۰[ میباشد. در این حالت انتخاب کاربران باز هم به صورت تصادفی صورت میگیرد ولی احتمال انتخاب هر یک از همسایگان کاربر u لزوما یکسان نیست.
وزندار (Alpha-Weighted): در این حالت از مجموعه دادهای متشکل از ترکیب مقادیر اعشاری اعتماد میان کاربران و مقادیر اعشاری تشابه کاربران با یکدیگر، بر اساس فرمول شماره ۳۱ استفاده میگردد.
مخلوط(Mixed) : در این حالت از مجموعه دادهای متشکل از ترکیب مقادیر اعشاری اعتماد میان کاربران و مقادیر اعشاری تشابه کاربران با یکدیگر بر اساس فرمول شماره ۳۲ استفاده میگردد.
توضیح مهم: در ۳ روش آخر، جهت پیمایش حداکثری شبکه اعتماد میان کاربران و افزایش احتمال یافتن جواب توسط الگوریتم، انتخاب دقیق همسایگان کاربر u بر اساس امتیاز متعلقه به هر یک از ایشان مد نظر قرار نگرفته است چراکه این امر باعث پیمایش مسیرهای مشخصی از شبکه و طبیعتا کاهش درصد پوشش میگردد لذا همچنان از روش انتخاب تصادفی استفاده شده است. برای پیاده سازی مکانیزم انتخاب تصادفی کاربران و همچنین استفاده از امتیاز متعلقه به هر یک از کاربران از دو مکانیزم زیر کمک گرفته شده است.
پالایش بر اساس یک مقدار تصادفی[۱۱۲](RF): در این روش یک عدد تصادفی در بازه ]۱,۰[ از سیستم اخذ و سپس همسایگان یک کاربر که امتیاز یا مقدار رابطه اعتماد آنها از این مقدار تصادفی بزرگتر یا مساوی باشد در یک لیست قرار میگیرند و سپس به صورت تصادفی از میان آنها یکی گزینش می شود.
پالایش بر اساس میانگین امتیاز رابطه[۱۱۳](AF): در این روش ابتدا میانگین امتیاز یا اعتماد روابط میان یک کاربر با همسایگانش محاسبه می شود و سپس از میان همسایگانی که امتیاز یا میزان اعتماد آنها بیشتر یا مساوی میانگین باشد به صورت تصادفی یکی گزینش می شود.
با توجه به توضیحات فوق نتایج حاصل از انجام آزمایش در هریک از حالات فوق در قالب جدول شماره ۵-۱۱ ارائه میگردد.
جدول ۵-۱۱ : نتایج حاصل از اجرای روش های ترکیبی در مقابل روش مورد استفاده در مدل پایه
مجموعه داده مورد ارزیابی | چگونگی شبکه میان کاربران(اعتماد خالص- ترکیبی) | Coverage | RMSE | Precision | F-measure |
epinions-sample | WOT-Binary | ۹۵٫۷۰ | ۱٫۱۵۸ | ۰٫۷۱۱ | ۰٫۸۱۶ |
epinions-sample | WOT-Real-RF | ۸۵٫۰۱ | ۱٫۱۲۱ | ۰٫۷۲۰ | ۰٫۷۷۹ |
epinions-sample | WOT-Real-AF |