کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

ارائه یک چارچوب ترکیبی مبتنی بر شبکه‌های عصبی گراف و روش‌های تجمیع اجتماعی برای سیستم‌های توصیه‌گر گروهی عادلانه

نویسندگان :

شبنم رحیمیان¹ مجید ایرانپور مبارکه² مسلم محمدی³

1- دانشگاه پیام‌نور 2- دانشگاه پیام نور 3- دانشگاه پیام‌نور

کلمات کلیدی :

توصیه‌گر گروهی،عدالت در توصیه،شبکه‌های عصبی گراف،فیلترینگ مشارکتی،انتخاب اجتماعی

چکیده :

در سال‌های اخیر، سیستم‌های توصیه‌گر گروهی به‌منظور ارائه پیشنهادهای هم‌زمان به مجموعه‌ای از کاربران با ترجیحات متنوع، مورد توجه قرار گرفته‌اند. یکی از چالش‌های اصلی در این سیستم‌ها، تجمیع ترجیحات فردی به شکلی عادلانه و رضایت‌بخش برای تمام اعضای گروه است. پژوهش حاضر یک چارچوب نوین برای توصیه‌گر گروهی ارائه می‌دهد که با بهره‌گیری از داده‌های جانبی و ساختار گراف، تلاش می‌کند مسئله پراکندگی داده‌های رتبه‌بندی و بی‌عدالتی در تجمیع ترجیحات را برطرف کند. در این مدل، ابتدا با استفاده از اطلاعات جانبی کاربران و آیتم‌ها، گراف تعاملی میان آن‌ها ایجاد شده و با کمک تجزیه ماتریس غیرمنفی (NMF)، تعبیه اولیه نودها به‌دست می‌آید. سپس با به‌کارگیری سه شبکه پیچشی گرافی (GCN)، تعبیه نهایی کاربران و آیتم‌ها محاسبه شده و پیش‌بینی رتبه‌بندی‌ها از طریق یک پرسپترون چند لایه (MLP) انجام می‌شود. در گام نهایی، با استفاده از الگوریتم‌های انتخاب اجتماعی، رتبه‌های پیشنهادی به صورت عادلانه تجمیع شده و لیست نهایی توصیه به گروه ارائه می‌شود. مدل پیشنهادی بر روی مجموعه‌داده مووی‌لنز k۱۰۰ و M۱ ارزیابی شده است. نتایج نشان می‌دهد که این مدل در سطح فردی به مقادیر بالای NDCG (۰.۹ تا ۱) دست یافته و علاوه بر دستیابی به دقت قابل‌قبول، توانسته است عدالت در توصیه‌ها را نیز بهبود بخشد. این رویکرد می‌تواند در کاربردهایی که توازن میان دقت و انصاف اهمیت دارد، به‌عنوان راهکاری مؤثر مورد استفاده قرار گیرد.