پيشنهاد مقاله در ويكي‌پدياي فارسي با استفاده از مدل‌سازي عناوين نهان

چكيده در سال‎هاي اخير سيستم‌هاي جمع‌سپاري رشد چشمگيري داشته‌اند و كاربران زيادي در اقصي نقاط جهان به توليد محتوا در اين سيستم‌ها كمك مي‌كنند. در اين ميان ويكي‌پديا را مي‌توان يكي از موفق‌ترين نمونه‌هاي چنين سيستم‌هايي دانست. به سبب گستردگي ويكي‌پديا كاربران از جمله ويرايش‌كنندگان با حجم زيادي از اطلاعات در حوزه‌هاي گوناگون رو‌به‌رو هستند. براي جلوگيري از سردرگمي كاربرها و تسهيل در يافتن مقالاتي كه در حوزه‌ي علاقه و تخصص آن‌ها باشد و در راستاي بهبود بيشتر ويكي‌پديا مي‌توان از سيستم‌هاي پيشنهاد‌دهنده استفاده كرد. يافتن مقالات مناسب براي هر كاربر جهت ويرايش از دو طريق امكان پذير است. يكي از طريف يافتن كاربراني كه سليقه‌ي مشابهي با كاربر هدف دارند. ديگري يافتن مقالاتي كه مشابه مقالات مورد علاقه‌ي كاربر هدف است. يافتن مقالات مشابه به دليل ماهيت متني و نداشتن ويژگي‌هايي مشابه با ساير كاربردهاي معمول در سيستم‌هاي پيشنهاددهنده نياز به استفاده از روش‌هاي متن‌كاوي و مقايسه‌ي مقالات از طريق محتواي آن‌ها دارد. اساس كار سيستم پيشنهادي استفاده از روش تجزيه‌ي ماتريس است كه با استفاده از ماتريس كاربر –قلم هم مقالات و هم كاربران را توسط بردارهايي از فاكتورهاي نهان توصيف مي‌كند. علاوه بر اين با استفاده از همسايه‌هاي اقلام سعي در بهبود بردار فاكتورهاي نهان داريم. يافتن همسايه‌هاي اقلام هم با استفاده از ويژگي اقلام مثل رده‌هاي موجود در هم مقاله محاسبه مي‌شود و هم از متن مقالات تاثير پذير است. جهت مقايسه‌ي متن مقالات از مدل‌سازي عناوين نهان استفاده مي‌كنيم و به اين ترتيب مقالات را نه تنها از نظر داشتن كلمات مشترك بلكه در سطح معنايي مقايسه مي‌كنيم. با استفاده از مجموعه داده‌هاي ويكي‌پديا مدل را آموزش داده و احتمال داشتن هر عنوان براي مقالات محاسبه شده و اقلام را با استفاده از عنوان‌هاي مشتركشان مقايسه مي‌كنيم. براي سنجش عملكرد از معيارهاي RMSE جهت مقايسه‌ي رتبه‌ي پيش‌بيني شده با رتبه‌ي واقعي و NDCG به عنوان معياري براي k پيشنهاد برتر استفاده كرديم. نتايج حاصل نشان مي‌دهند كيفيت عملكرد سيستم در مقايسه با روش تجزيه‌ي ماتريس متداول بهبود قابل توجهي داشته است.

191149

دانشگاه علم و صنعت ايران

نرم افزار

دكتر بهروز مينايي بيدگلي