توصیه های دامنه های متقابل: مروری بر مبانی، کاربردها و چالش ها

منظور از توصیه های دامنه های متقابل یعنی به جای پرداختن به هر دامنه به طور مستقل، دانش بدست آمده در یک دامنه (منبع) را به دامنه (هدف) دیگری منتقل و در آن به کار گرفت. مقاله حاضر با مرور نظام مند درپی بررسی پژوهش های این حوزه از نظر مبانی، کاربردها و چالش ها است.

در مطالعه حاضر، از چارچوب مطالعه نظام مند پریسما استفاده شده است. جست وجو در منابع اطلاعات علمی فارسی و انگلیسی با کلیدواژه های مرتبط انجام و 98 منبع به زبان انگلیسی در بازه زمانی 2007 تا 2021 یافت شد. با اعمال پالایش اولیه، معیارهای ورود و خروج از مطالعه و کنترل توسط متخصصان، تعداد 28 منبع انگلیسی برای ورود به مرور نظام مند انتخاب شدند.

بر مبنای دامنه، چهار سطح توصیه های دامنه های متقابل؛ مشخصه یا خصیصه، نوع، مورد و سامانه وجود دارد. برای پیش بینی نظرات کاربران در توصیه های بین دامنه ای از الگوریتم ها یادگیری ماشین و برای ارزیابی پیش بینی های صورت گرفته براساس ماتریس درهم ریختگی از سه دسته معیارهای پیش بینی، رتبه بندی و طبقه بندی استفاده می شود. توصیه های دامنه های متقابل با انتقال دانش بین دامنه ها در افزایش صحت توصیه ها، رفع مسئله شروع سرد، فروش متقابل و بهبود شخصی سازی کاربرد دارد. اصلی ترین چالش توصیه دامنه های متقابل تفاوت های دامنه ها با هم است این تفاوت ها شامل عدم انطباق بین ویژگی های دامنه ها و مشخص نبودن روابط میان دامنه ها است. علاوه بر این، تفاوت در اندازه دامنه ها و عملکرد ضعیف الگوریتم های پایه در پیش بینی نظرات کاربران از دیگر چالش های پیش روی توصیه های دامنه های متقابل است.

این حوزه موضوعی اگر چه در ده سال اخیر شکل گرفته است اما شتاب پرداختن به موضوع توسط پژوهشگران علوم رایانه و اطلاعات نشان از مهم بودن حوزه پژوهشی دارد. توصیه های دامنه های متقابل سطح مورد اصلی ترین دسته توصیه های دامنه های متقابل محسوب می شوند. با توجه به شکل گیری گروه های کسب کارهای الکترونیک، در آینده توصیه های متقابل در سطح سامانه ها بیشتر مورد توجه قرار خواهند گرفت. توصیه های دامنه های متقابل در بهبود عملکرد سامانه های توصیه گر، مدل سازی کاربر در تعامل انسان و رایانه، تجارت الکترونیک می توان استفاده می شوند.