مبانی نظری و پیشینه تحقیق برای فصل دوم پایان نامه استفاده ازکاربرانی با دقت پیشگویی بالا در سیستم¬های فیلترینگ اشتراکی

۱-۲- موتورهای جستجوگر…………………………………………………………………………………………………………۲

۱-۲-۱- موتورهای جستجوگر پیمایشی……………………………………………………………………………………..۳

۱-۲- ۲- فهرست­های تکمیل دستی…………………………………………………………………………………………..۳

۱-۲-۳- موتورهای جستجوگر ترکیبی………………………………………………………………………………………..۴

۱-۲-۴- ابرجستجوگرها……………………………………………………………………………………………………………….۴

۱-۳- سیستم­های پیشنهادگر……………………………………………………………………………………………………..۵

۱-۳-۱- سیستم پیشنهادگر بر اساس فیلترینگ اشتراکی…………………………………………………………۷

۱-۳-۲- سیستم پیشنهادگر بر اساس محتوا………………………………………………………………………………۸

۱-۳-۳- سیستم پیشنهادگر بر اساس آمار گیری……………………………………………………………………….۸

۱-۳-۴- سیستم پیشنهادگر بر اساس سود…………………………………………………………………………………۹

۱-۳-۵- سیستم پیشنهادگر بر اساس دانش………………………………………………………………………………۹

۱-۳-۶- سیستم پیشنهادگر ترکیبی…………………………………………………………………………………………..۹

۱-۴- بررسی سایت MovieLens…………………………………………………………………………………………..10

۱-۵- اهداف پایان نامه……………………………………………………………………………………………………………..۱۳

۱-۶- ساختار پایان نامه…………………………………………………………………………………………………………….۱۴

فصل ۲ : روش فیلترینگ اشتراکی……………………………………………………………………………………………۱۵

۲-۱- پیشگفتار………………………………………………………………………………………………………………………….۱۶

۲-۲- مروری بر کارهای انجام شده در این راستا……………………………………………………………………..۱۶

۲-۳- مبانی فیلترینگ اشتراکی………………………………………………………………………………………………..۲۱

۲-۴-  وظایف فیلترینگ اشتراکی…………………………………………………………………………………………….۲۲

۲-۴-۱- پیشنهاد……………………………………………………………………………………………………………………….۲۳

۲-۴-۲- پیش­بینی…………………………………………………………………………………………………………………….۲۳

۲-۵- دسته بندی متدهای فیلترینگ اشتراکی……………………………………………………………………….۲۳

۲-۵-۱- فیلترینگ اشتراکی مبتنی بر حافظه…………………………………………………………………………۲۴

۲-۵-۱-۱- فیلترینگ اشتراکی مبتنی بر حافظه با پیش­بینی بر اساس کاربران…………………….۲۵

۲-۵-۱-۲- فیلترینگ اشتراکی مبتنی بر حافظه با پیش­بینی بر اساس اقلام…………………………۲۵

۲-۵-۱- ۳- تفاوت فیلترینگ اشتراکی بر اساس کاربران و بر اساس اقلام……………………………..۲۶

۲-۵-۲- فیلترینگ اشتراکی مبتنی بر مدل……………………………………………………………………………..۲۶

۲-۶- نحوه­ تشخیص علائق کاربران………………………………………………………………………………………….۲۷

۲-۶-۱- تشخیص علائق به صورت صریح…………………………………………………………………………………۲۷

۲-۶-۲- تشخیص علائق به صورت ضمنی……………………………………………………………………………….۲۷

۲-۷- محاسبه­ شباهت……………………………………………………………………………………………………………….۲۸

۲-۷-۱- معیار همبستگی پیرسون……………………………………………………………………………………………۲۸

۲-۷-۲- معیار اندازه­گیری کسینوس………………………………………………………………………………………..۲۹

۲-۸- انتخاب همسایه……………………………………………………………………………………………………………….۳۰

۲-۸-۱- استفاده از حد آستانه………………………………………………………………………………………………….۳۰

۲-۸-۲- انتخاب تعداد ثابتی از همسایگان……………………………………………………………………………….۳۰

۲-۹- پیش­بینی و تخمین رتبه…………………………………………………………………………………………………۳۱

۲-۹-۱- استفاده از امتیازهای خام……………………………………………………………………………………………۳۱

۲-۹-۲- استفاده از امتیازهای نرمال شده………………………………………………………………………………..۳۱

۲-۱۰- مشکلات فیلترینگ اشتراکی………………………………………………………………………………………..۳۲

۲-۱۰-۱- پراکنده بودن داده…………………………………………………………………………………………………….۳۲

۲-۱۰-۲- مقیاس پذیری………………………………………………………………………………………………………….۳۲

۲-۱۰-۳- اقلام مشابه……………………………………………………………………………………………………………….۳۳

۲-۱۰-۴- گری­شیپ…………………………………………………………………………………………………………………۳۳

۲-۱۱- بررسی چگونگی کارکرد سایت آمازون…………………………………………………………………………۳۳

…..

…..