سال انتشار: ۱۳۸۶

محل انتشار: اولین کنفرانس داده کاوی ایران

تعداد صفحات: ۱۰

نویسنده(ها):

آزاده اشتری – دانشجوی کارشناسی ارشد دانشگاه علم وصنعت ،فناوری اطلاعات _ طراحی تولید
محمدرضا کنگاوری – استادیار دانشگاه علم و صتعت گرایش هوش مصنوعی

چکیده:

مرسومترین عملکرد کتابخانه هایرقمی، عملیات جستجو می باشد که با توجه به گستردگی حجم اطلاعات امری چالش برانگیز شده است . کتابخانه – هایرقمی باید بتوانند اطلاعات را به صورت بهینه و متناسب با نیاز کاربران پیشنهاد دهند؛ با استفاده از شخصی سازی در کتابخانه هایرقمی می توان با شناسایی گروهها به کاربران در جمع آوری، سازماندهی و به اشتراک گذاشتن دانش کمکنمود؛ شخصیسازی از نظر ابعاد مدیریتی نیز مفید میباشد و به مدیران کتابخانهها کمک می کند گروه های مختلف کاربران را در زمان کوتاهتر و با هزینه کمتر شناسایی کرده و خدمات سیستم را متناسب با کاربران ارتقا دهند . طراحی شخصی سازی در کتابخانه های رقمی متفاوت از سایر سیستم های شخصی ساز می باشد؛ رفتارکاربران وتراک م الگوهای ترافیکی متفاوت میباشد، منابع کتابخانه های رقمی ساخت یافتهتر و پایدارتر می باشد، در یک زمان کوتاه میلیون ها تراکنش در سیستم مشاهده نمی شود و تهیه الگوهای رفتاری مستلزم بررسی رفتار طولانی مدت کاربران می باشد، تنوع کاربران کتابخانه های رقمی با توج ه به رده های سنی، سطح یا نوع تخصص، ثابت نبودن این سطح به دلیل پیشرفت سطح دانش افراد و همینطور امکان علاقهمندی به تخصصهای مختلف بسیار زیاد است . اصلیترین چالشی که در شخصی سازی وجود دارد، چگونگی تعریف کاربران براساس ویژگی های آنها می باشد، این ویژگی ها م عمولا با استفاده از مدل کاربر جمعآوریمیشوند . درحالحاضر مدلهای کاربر بسیار ساده هستند، تنها پارامترهای محدودی را به کارمی گیرند و کاربر را ازیک بعد مدل می کنند . یکی از موانع اصلی شخصی سازی در کتابخانه هایرقمی محدود کردن ویژگی های کاربر و از دست دادن اطلاعات مفید می باشد؛ بنابراین بهتر است ابعاد بیشتری از کاربر در مدل مورد توجه قرارگیرند . دراین مقاله برای طراحی ابتدا نوع اطلاعاتی که قرار است در مدل کاربر نگهداری شود مشخص میگردد، الگوریتمهای دادهکاوی برای تولید مدل شامل خوشه بندی،درخت تصمیم و قوانین انجمنی در مراحل مختلف تولید مدل به کارگرفته می شوند : دادههای
مربوط به کاربر جمع آوری و پیش پردازش شده و در نهایت پس از کشف الگوی مناسب و اعتبارسنجی، مدل کاربر مناسب برای شخصی سازی ارائه – میگردد .