مقدمه مقاله (ترجمه شده توسط گوگل ترنسلیت)
اندازه گیری خطا در پیش بینی مقادیر رتبه بندی شده کاربر متوقف شده است که تاکنون روش غالب ارزیابی آفلاین در ادبیات سیستمهای پیشنهادی (RS) بوده است. با این حال به نظر می رسد یک اجماع عمومی در جامعه وجود دارد که این معیار به تنهایی از ارزیابی کافی یا حتی کافی برای ارزیابی اثربخشی عملی یک سیستم توصیهگر در تطابق با نیازهای کاربر فاصله دارد. کاربران نهایی توصیه ها لیستی از موارد را به جای مقادیر رتبه بندی دریافت می کنند ، به موجب آن معیارهای دقت توصیه شده – به عنوان جانشینان وظیفه ارزیابی شده – باید کیفیت انتخاب مورد را هدف قرار دهند تا نمرات سیستم عددی که این انتخاب را تعیین می کند. علاوه بر این ، تا آنجا که ترتیب موارد توصیه شده مجموعه عناصری را که کاربر در واقع مصرف را در نظر خواهد گرفت تعیین می کند ، روش های ارزیابی اثربخشی باید رتبه بندی موارد را هدف قرار دهند. به همین دلیل ، معیارها و روش های مربوط به زمینه بازیابی اطلاعات (IR) – جایی که ارزیابی رتبه بندی برای دهه ها مورد مطالعه و استاندارد سازی قرار گرفته است – توسط جامعه RS شروع شده اند. شکاف بین رسمیت روش شناختی کارها در هر دو زمینه وجود دارد ، که منجر به واگرایی در اتخاذ روشهای IR برای RS ، مانع تفسیر و مقایسه مشاهدات تجربی توسط نویسندگان مختلف می شود.
از طرف دیگر ، درک فزاینده ای وجود دارد که دقت تنها یکی از چندین بعد مرتبط با اثربخشی توصیه است. به عنوان مثال ، ارزش جدید بودن به عنوان یک بعد اصلی ابزار پیشنهادی برای کاربران در حالات واقعی شناخته شده است ، به همان اندازه که هدف از توصیه ذاتی با کشف در بسیاری از حوزه های کاربردی است. تنوع نیز از نظر تازگی با تازگی مرتبط است ، کیفیت مطلوبی برای غنی سازی تجربه کاربر و تقویت مجموعه انتخابهای مربوطه است. نوآوری و تنوع به طور کلی برای کسب و کارها نیز با حمایت از تنوع فروش و کمک به افزایش درآمدهای حاصل از سوله های بازار مثبت است.
به عنوان یک موضوع افزایش عملکرد کسب و کار ، می توان ارزش افزوده را با توصیه مستقیماً بر حسب نرخ کلیک بر روی خط ، نرخ تبدیل ، افزایش اندازه سفارش فروش ، بازگشت مشتری ، افزایش مشتری ، افزایش درآمد و غیره اندازه گرفت. از طرف دیگر ، پورتال های وب و شبکه های اجتماعی معمولاً با مشکلات بهینه سازی چندگانه مرتبط با تعامل کاربر روبرو هستند و به روشهای ارزیابی مناسب برای بهینه‌سازی در کل قیف توصیه ، از کلیک اولیه به مشارکت کاربر واقعی در ابزارهای پایین دستی بعدی نیاز دارند. سایر ابعاد بالقوه مرتبط با توصیه های موثر برای مصرف کنندگان و ارائه دهندگان ممکن است شامل اعتماد به نفس ، پوشش ، ریسک ، هزینه ، استحکام و غیره باشد.
برای دانلود این مقاله بر روی لینک زیر کلیک کنید.
دانلود مقاله