سیستم توصیه گر (Recommender System) قسمت 2

سیستم توصیه گر یا پیشنهاد گر (واژه سیستم گاهی با واژه های مترادفی مثل؛ “پلتفرم” یا “موتور” جایگزین می شود) زیر مجموعه ای از سامانه ی پالایش اطلاعات است که بدنبال پیش بینی “امتیاز” یا “اولویتی” است، که کاربر به یک آیتم (داده، اطلاعات، کالا و …) خواهد داد.

در سال های اخیر سیستم های توصیه گر بسیار متداول شده و در حوزه های مختلفی مورد استفاده قرار گرفته اند. برخی از کاربرد های معروف آن در موارد زیر است:

فیلم های سینمایی، موسیقی، اخبار، کتابها، مقالات تحقیقاتی، جست و جوی پرسش ها، تگ های اجتماعی و غالب محصولات.

علاوه بر این سیستم های توصیه گر برای؛ متخصصان، گروه های همکاران، طنز پردازیها، رستورانها، خدمات مالی، بیمه عمر، مسائل عاطفی (قرار و مدارهای آنلاین) و صفحات تویتر نیز ارائه شده است.

بررسی اجمالی

معمولاً سیستم های توصیه گر، لیستی از پیشنهادات را به یکی از دو صورت زیر ارائه می دهند:

از طریق پالایش گروهی و محتوا محور (Collaborative and Content-based filtering) یا رهیافت شخصیت محور (Personality-based approach)

رهیافت های پالایش گروهی، مدلی ایجاد می کنند که این مدل بر اساس رفتار گذشته کاربر (آیتم هایی که قبلاً خریداری یا انتخاب کرده و یا امتیازاتی که به آیتم ها داده است) و نیز تصمیمات مشابهی که توسط کاربران دیگر گرفته شده است، میباشد. سپس با استفاده از مدل ایجاد شده، آیتم هایی که ممکن است مورد علاقه ی کاربر باشد، معرفی می گردد. رهیافت های پالایش محتوا محور، از یک سری مشخصات مجزای یک آیتم برای پیشنهاد آیتم های دیگر با ویژگی های مشابه، استفاده می کند. این رهیافت ها اغلب با یکدیگر ترکیب می شوند (سیستم های توصیه گر هیبرید).

رهیافت شخصیت محور، تمایلات کاربر به کالا و خدمات را از شخصیت وی نتیجه می گیرد.

تفاوت های بین پالایش گروهی و پالایش محتوا محور را می توان با مقایسه ی دو سیستم توصیه گر موسیقی نشان داد؛ Last.fm و Pandora Radio.

Last.fm با بررسی نوازندگان و تراکهایی که کاربر قبلاً گوش کرده است و مقایسه ی آنها با آنچه که دیگر کاربران به آن گوش کرده اند، مجموعه ای از آهنگ های پیشنهادی را ارائه می دهد.

Last.fm تراکهایی را خواهد نواخت، که در کتابخانه ی کاربر (مجموعه ی اهنگ های کاربر) موجود نیستند ولی دیگر کاربران با علایق مشابه به آنها گوش داده اند. از آنجا که این رهیافت، رفتار کاربران را تحت تأثیر قرار می دهد، نمونه ای از تکنیک پالایش گروهی است.

Pandora از خصوصیات یک آهنگ یا هنرمند ( زیر مجموعه ای مشتمل بر 400 ویژگی که توسط “پروژه ژنوم موسیقی” تهیه شده است) برای ایجاد ایستگاهی از موسیقی ها با ویژگی های مشابه استفاده می کند.

واکنش کاربر جهت پالایش نتایج ایستگاه استفاده می گردد، زمانیکه کاربر یک آهنگ را نمی پسندد ویژگی های آن از تاکید Pandora  خارج و زمانیکه کاربر آهنگی را می پسندد، ویژگی های آن آهنگ مورد تأکید قرار می گیرند.  Pandora نمونه ای از رهیافت محتوا محور است.

هر نوع سیستمی نقاط ضعف و قوت خودش را دارد.  در مثال بالا Last.fm جهت ارائه پیشنهادات دقیق، نیازمند حجم بالایی از اطلاعات در مورد کاربر است. نکته ضعف ذکر شده نمونه ای از “مشکل استارت سرد” ( همانند مشکلی که هنگام استارت زدن به موتور سرد پیش می آید) است و در سیستم های پالایش گروهی امری عادیست.  در حالیکه Pandora به اطلاعات بسیار کمی برای آغاز کار خود نیاز دارد، ولی میدان عمل آن بسیار محدود است (بعنوان مثال؛ تنها قادر به ارائه پیشنهاداتیست که شبیه آهنگ اصلی باشند).

سیستم های توصیه گر جایگزین سودمندی برای الگوریتم های جست و جو هستند چرا که به کاربران کمک می کنند تا آیتم هایی را بیابند که ممکن بود خودشان نتوانند آنها را پیدا کنند. سیستم های توصیه گر با استفاده از موتورهای جست و جو، به طور جالبی داده های جدید را فهرست می کنند.

مونتانر نخستین نمایه کلی از سیستم های توصیه گر را از منظر یک عامل هوشمند ارائه داد. آدوماویسیوس (Adomavicius) نمایی جدید از سیستم های توصیه گر را ارائه کرد. هرلاکر (Herlocker) تکنیک های ارزیابی سیستم های توصیه گر را مورد بررسی قرار داد و بیل و همکارانش مشکلات ارزیابی های آفلاین را مورد بحث و بررسی قرار دادند. بیل و همکاران، پیشینه ای از تحقیقات در مورد سیستم های کنترل و چالش های موجود را ارائه دادند.

سیستم های توصیه گر موضوع تحقیقاتی فعال در زمینه های “کاوش اطلاعات” و “یادگیری ماشینی” هستند. RecSys، SIGIR و KDD از جمله کنفرانس هایی هستند که تحقیقات در زمینه سیستم های توصیه گر را مورد توجه قرار دادند.

رهیافت ها

رهیافتی که در طراحی سیستم های توصیه گر استفاده وسیعی دارد، رهیافت پالایش گروهیست. روش های پالایش گروهی، بر هیافت هاجمع آوری و آنالیز حجم بالایی از اطلاعات در مورد رفتارها، فعالیت ها و تمایلات کاربران و نیز پیش بینی پسند کاربران، بر اساس شباهت خواسته های آنها با دیگران، مبتنی هستند. مهم ترین مزیت پالایش گروهی اینست که وابسته به محتوای قابل تحلیل برای ماشین نیست و از این رو به درستی می تواند آیتم های پیچیده ای همچون فیلم های سینمایی را بدون نیاز به درک خود آیتم، توصیه کند. الگوریتم های زیادی در اندازه گیری تشابه کاربر یا تشابه آیتم در سیستم های توصیه گر مورد استفاده قرار می گیرند. برای مثال؛ “رهیافت نزدیک ترین همسایه k ” (k-nearest neighbor (k-NN)) و ضریب همبستگی پیرسون که نخستین بار توسط آلن اجرا شد.

پالایش گروهی بر اساس این اندیشه استوار است: افرادی که در گذشته موافق بوده اند، در آینده نیز موافق خواهند بود و انواع اقلامی را خواهند پسندید که در گذشته نیز مورد دلخواهشان بوده است.

موقعیکه یک مدل بر اساس رفتار کاربر ایجاد می گردد، تمایزی بین فرم های صریح و ضمنی جمع آوری داده ها پیش می آید.

نمونه هایی از جمع آوری داده ها به صورت “صریح” شامل موارد زیر است:

از کاربر خواسته شود تا آیتم را در معیاری متغیر ارزیابی کند.

از کاربر خواسته شود تا جست و جو کند.

از کاربر خواسته شود تا مجموعه ای از آیتم ها را بر اساس علاقه اش رتبه بندی کند.

دو آیتم به کاربر نشان داده شده و از وی خواسته شود یکی از آنها را انتخاب کند.

از کاربر خواسته شود تا لیستی از آیتم هایی را که دوست دارد، ایجاد کند.

نمونه ای از جمع آوری داده ها به صورت “ضمنی” شامل موارد زیر می باشد:

مشاهده آیتم هایی که کاربر در فروشگاه آنلاین به آنها می نگرد.

تحلیل آیتم هایی که کاربر ملاحظه کرده است.

حفظ سابقه ی خرید های آنلاین کاربر.

فراهم کردن لیستی از آیتم هایی که کاربر در رایانه خود به آنها گوش داده یا تماشا کرده است.

تحلیل شبکه اجتماعی کاربر و یافتن موارد مشابهی که وی آنها را پسندیده و یا نپسندیده است.

سیستم توصیه گر اطلاعات جمع آوری شده را با اطلاعات جمع آوری شده مشابه و غیر مشابه از جانب دیگران، مورد مقایسه قرار داده و لیستی از آیتم های پیشنهادی برای کاربر را محاسبه می کند (در مقاله سیستم های پالایش گروهی ویکی پدیا، چندین مورد از مثالهای تجاری و غیر تجاری فهرست شده است).

یکی از معروف ترین مثالهای پالایش گروهی، پالایش “آیتم به آیتم” است (افرادی که کالای x را می خرند کالای y را نیز می خرند) الگوریتمی که توسط سیستم توصیه گر Amazon.com عمومیت یافت.

نمونه های دیگر شامل:

• همانطور که توضیح داده شد، fm آهنگ هایی را که پیشنهاد می دهد بر اساس مقایسه ای از عادت های شنیداری کاربران مشابه است.
• Facebook، My Space، Linked in و دیگر شبکه های اجتماعی از پالایش گروهی برای پیشنهاد دوستان جدید، گروهها و دیگر روابط اجتماعی استفاده می کنند (با بررسی شبکه ارتباطات بین کاربر و دوستانش). تویتر از تعداد زیادی سیگنال و محاسبات حافظه ای استفاده می کند تا به کاربرانش پیشنهاد دهد که چه کسی را فالو کنند.

رهیافت های پالایش گروهی از سه مشکل رنج می برند: استارت سرد (cold start)، مقیاس پذیری (Scalability) و پراکندگی (Sparsity).

استارت سرد: این سیستم ها برای ارائه پیشنهادات دقیق و صحیح، اغلب به حجم بالایی از اطلاعات کاربر نیاز دارند.

مقیاس پذیری: در بسیاری از فضاهایی که این سیستم ها پیشنهادات را ارائه می دهند، میلیون ها کاربر و محصول حضور دارند. از این رو برای محاسبه پیشنهادات، به قدرت محاسباتی بالایی نیاز است.

پراکندگی: تعداد آیتم هایی که در سایت های اصلی تجارت الکترونیک فروخته شده اند، بسیار بسیار زیاد است. فعالترین کاربران نیز تنها زیر مجموعه ی کوچکی از تمامی پایگاه های داده را ارزیابی خواهند کرد. به این خاطر است، که حتی محبوبترین آیتم ها نیز امتیازات پایینی دارند.

نوع ویژه ای از الگوریتم پالایش گروهی از فاکتور ماتریس استفاده می کند، یک “تکنیک تقریب رتبه پایین ماتریس” (low-rank matrix approximation technique).

روش های پالایش گروهی به دو دسته مبتنی بر حافظه و پالایش گروهی مبتنی بر مدل تقسیم می شوند.

نمونه ی شناخته شده ی رهیافت های مبتنی بر حافظه، “الگوریتم کاربر محور” (user-based algorithm) و نمونه ای از رهیافت های مبتنی بر مدل، “توصیه گر کرنل – نقشه” (Kernel-Mapping) است.

پالایش محتوا محور

دیگر رهیافت متداولی که در طراحی سیستم های توصیه گر استفاده می شود، پالایش محتوا محور است.  روش های پالایش محتوا محور بر اساس توصیفی از آیتم و پروفایلی از سلیقه ی کاربر، استوار هستند. در یک سیستم توصیه گر محتوا محور، از کلمات کلیدی برای توصیف آیتم ها استفاده شده و برای نشان دادن نوع آیتمی که کاربر دوست دارد،  پروفایل وی ساخته می شود. به عبارت دیگر، این الگوریتم ها در تلاش هستند تا آیتم هایی را پیشنهاد دهند که شبیه به اقلامی باشد که کاربر پیش از این آنها را پسندیده بود ( یا اقلامی که در حال حاضر بررسی کرده است). آیتم های کاندید با آیتم هایی که قبلاً توسط کاربر ارزیابی شده بودند، مورد مقایسه قرار گرفته و آیتم هایی که بهترین انطباق ها را با معیارهای کاربر داشته باشند، پیشنهاد می گردند. این رهیافت در بازیابی اطلاعات و بررسی پالایش اطلاعات ریشه دوانیده است. برای خلاصه کردن مشخصات آیتم ها در سیستم، یک الگوریتم نمایش آیتم به کار برده می شود. الگوریتمی که استفاده ی گسترده ای دارد، نمایش فراوانی تی اف-آی دی اف (tf-idf representation) است (مدل “فضا برداری” نیز گفته می شود).

برای ایجاد پروفایل کاربر، سیستم بایستی بیشترین تمرکز خود را بر دو نوع از اطلاعات معطوف کند: 1. الگویی از سلیقه ی کاربر 2. تاریخچه ای از عکس العمل کاربر با سیستم توصیه گر.

اساساً این روش ها با استفاده از پروفایل آیتم (بعبارتی مجموعه ویژگی ها و مشخصات)، ویژگی های آن را در سیستم ترسیم می کنند. سیستم، یک پروفایل محتوا محور بر اساس بردار وزنی ویژگی های آیتم برای کاربر ایجاد می کند. وزن ها، اهمیت هر ویژگی برای کاربر را نشان می دهند، و می توان از طریق مؤلفه های رتبه بندی شده و بهره گیری از تکنیک های گوناگون، آنها را مورد محاسبه قرار داد. رهیافت های ساده، از میانگین ارزش های مؤلفه های رتبه بندی شده استفاده می کنند، در حالیکه دیگر رهیافت ها از روش های پیچیده ی یادگیری ماشینی همچون؛ دسته بندی بندی کننده های نایو بیز (Bayesian Classifiers)، دسته بندی بندی کننده های نایو بیز (Bayesian Classifiers)، درخت های تصمیم (Decision trees) و شبکه های عصبی مصنوعی (Artificial neural networks) برای تخمین احتمال آنکه کاربر چه آیتمی را پسند خواهند کرد، بهره می برند.

بازخورد مستقیم از جانب کاربر (معمولا در غالب “Like” یا “Dislike”) می تواند برای اختصاص وزن بالا یا پایین بر اهمیت خصوصیات معین، مورد استفاده قرار گیرد (با استفاده از طبقه بندی راکچیو یا دیگر تکنیک های مشابه).

مسئله کلیدی در رابطه با پالایش محتوا محور اینست که آیا سیستم قادر است از طریق اقداماتی که کاربر در رابطه با یک محتوا نشان می دهد و بهره گیری از آنها در تقابل با انواع محتوا ها، پی به تمایلات کاربر ببرد. زمانیکه سیستم محدود به توصیه ی محتواهایی است که مشابه با آنچه که کاربر قبلاً استفاده کرده است باشد، در این حالت ارزش سیستم توصیه گر در مقایسه با زمانیکه سیستم از سرویس های دیگر نیز برای توصیه محتوا استفاده می کند، کم تر است. برای مثال، توصیه ی مقالات خبری بر اساس مرور اخبار سودمند است، ولی زمانیکه آهنگ، ویدئو، محصولات، مباحث و … از سرویس های مختلف و البته بر اساس مرور اخبار توصیه گردد، به مراتب پربارتر و سودمندتر خواهد بود.

همانطور که قبلاً نیز توضیح داده شد، Pandora Radio یک مثال معروف از سیستم توصیه گر محتوا محور است که آهنگ های پیشنهادی آن مشابه با ویژگی های آهنگی است که بعنوان بذر اولیه توسط خود کاربر ایجاد شده است. تعداد بسیار زیادی از سیستم های توصیه گر محتوا محور وجود دارد که پیشنهاد دهنده فیلم هستند که چند تا از آنها عبارتند از: Rotten Tomatoes، Internet Movie Database، Jinni، Rovi Corporation، Jaman and See This Next (http://www.seethisnext.com/). سیستم های توصیه گر مرتبط با سند و مدرک، هدفشان توصیه ی مدارک برای آگاهی دادن به کارگران است، مثل؛ Noggle(https://www.noggle.online/knowledge-base/document-recommendation) و Google Springboard.

سیستم توصیه گر هیبرید

بررسی اخیر حاکی از آنست که رهیافت هیبرید (ترکیبی از پالایش گروهی و پالایش محتوا محور)  در برخی موارد می تواند بسیار مؤثر واقع گردد. رهیافت های هیبرید از چندین راه قابل اجرا هستند، با ایجاد جداگانه پیش بینی های محتوا محور و گروه محور و نهایتاً ترکیب آنها با هم، افزودن قابلیت های رهیافت محتوا محور به گروه محور (یا بالعکس)، یا یکی کردن رهیافت ها در یک مدل . چندین مطالعه ی تجربی، اجرای سیستم هیبرید را با نوع خالص سیستم های گروه محور و محتوا محور مورد مقایسه قرار داده است، و نشان داده شده که روش های هیبرید پیشنهادات دقیق تری را ارائه می دهند. همچنین، این روش ها می توانند برای غلبه بر مسائل روتین سیستم های توصیه گر مثل استارت سرد و پراکندگی مورد استفاده قرار گیرند.

نت فلیکس مثال خوبی از استفاده ی سیستم های توصیه گر هیبرید است. آنها با مقایسه ی عادات دیداری و جست و جویی کاربران مشابه (یعنی پالایش گروهی) و نیز  پیشنهاد فیلم هایی که دارای ویژگی های مشترک با مواردی  هستند که کاربر به انها امتیاز بالایی داده است، پیشنهادات را ارائه می دهند.

انواعی از تکنیک ها به عنوان پایه و اساس سیستم های توصیه گر، مطرح گردیده است: گروهی، محتوا محور، دانش محور و تکنیک های جمعیت شناختی. هر یک از این تکنیک ها کمبودهای شناخته شده ای دارند، مثل مشکل معروف استارت سرد برای سیستم های پالایش گروهی و محتوا محور (با کابران  جدید که به اقلام کمی امتیاز داده اند، چه کند!؟) و تنگنای مهندسی دانش در رهیافت دانش محور. سیستم توصیه گر هیبرید، سیستمی است که چند رهیافت را با هم ترکیب می کند تا به همیاری بین آنها دست یابد.

• گروهی: سیستم، تنها با استفاده از اطلاعاتی که از طریق پیشینه ی امتیاز دهی کاربران بدست آمده است، پیشنهادات را ارائه می دهد. سیستم های گروهی، کاربران همتا با تاریخچه ی مشابه امتیازدهی با کاربر آنلاین را در مجاور هم قرار داده و با استفاده از این همسایگی اقدام به ارائه پیشنهادات می کند.
• محتوا محور: سیستم، پیشنهادات را از دو منبع ارائه می دهد: مشخصات مرتبط با محصول و امتیازاتی که کاربر به آنها داده است. توصیه گرهای محتوا محور، با یک پیشنهاد همچون طبقه بندی یک مسئله ی خاص کاربر رفتار می کنند، و در می یابند که طبقه بندی کننده ی پسندها و ناپسندهای کاربر، بر پایه ی ویژگی های محصول است.
• جمعیت شناختی (Demographic): یک سیستم توصیه گر جمعیت شناختی، پیشنهادات را بر اساس مشخصات جمعیت شناختی کاربر (مشخصاتی همچون؛ سن، جنسیت و ملیت کاربر) ارائه می دهد. محصولات پیشنهادی می توانند برای دیگر مجموعه های جمعیتی، با ترکیب امتیازاتی که کاربران درآن مجموعه ها به محصولات داده اند استفاده گردند.
• دانش محور: سیستم دانش محور، مواردی را پیشنهاد می کند که از نیازها و تمایلات کاربر استنتاج کرده باشد. این دانش، گهگاه حاوی فهمی عملکردی و واضح از برآوردن نیازهای کاربر توسط ویژگی های معینی از محصول، خواهد بود.

در اینجا، واژه ی “سیستم توصیه گر هیبرید” برای توصیف هر سامانه ی پیشنهاد دهنده ای که جهت ارائه پیشنهاد چند تکنیک توصیه را با هم ترکیب کرده است، بکار می رود. دلیلی برای چرایی اینکه چند تکنیک متفاوت از یک نوع، نتوانند با یکدیگر هیبرید شوند، وجود ندارد. برای مثال دو سیستم توصیه گر محتوا محور متفاوت، می توانند باهم کار کنند که تعدادی از طرح ها این نوع از هیبرید را مورد بررسی قرار داده اند:

NewsDude، که از هر دو طبقه بندی کننده ی ساده Bayes و kNN در توصیه ی اخبارهای خود استفاده می کند، تنها یک مثال از این دست سیستم های هیبرید است.