سجاد محمدیان، نادر نقشینه، مریم ناخدا،
دوره 8، شماره 2 - ( 6-1400 )
چکیده
زمینه و هدف: منظور از توصیههای دامنه‌های متقابل یعنی به جای پرداختن به هر دامنه به طور مستقل، دانش بدست‌آمده در یک دامنه (منبع) را به دامنه (هدف) دیگری منتقل و در آن به کار گرفت. مقاله حاضر با مرور نظام‌مند درپی بررسی پژوهش‌های این حوزه از نظر مبانی، کاربردها و چالش‌ها است.
روش پژوهش: در مطالعه حاضر، از چارچوب مطالعه نظام‌مند پریسما استفاده شده است. جست‌وجو در منابع اطلاعات علمی فارسی و انگلیسی با کلیدواژه‌های 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 نظام‌مند انتخاب شدند.
یافته‌ها: بر مبنای دامنه، چهار سطح توصیههای دامنه‌های متقابل؛ مشخصه یا خصیصه، نوع، مورد و سامانه وجود دارد. برای پیش‌بینی نظرات کاربران در توصیههای بین دامنه‌ای از الگوریتم‌ها یادگیری ماشین و برای ارزیابی پیش‌بینی‌های صورت گرفته براساس ماتریس درهم ریختگی از سه دسته معیارهای پیش‌بینی، رتبه‌بندی و طبقه‌بندی استفاده می‌شود. توصیههای دامنه‌های متقابل با انتقال دانش بین دامنه‌ها در افزایش صحت توصیه‌ها، رفع مسئله شروع سرد، فروش متقابل و بهبود شخصی‌سازی کاربرد دارد. اصلی‌ترین چالش توصیه دامنه‌های متقابل تفاوت‌های دامنه‌ها با هم است این تفاوت‌ها شامل عدم انطباق بین ویژگی‌های دامنه‌ها و مشخص نبودن روابط میان دامنه‌ها است. علاوه بر این، تفاوت در اندازه دامنه‌ها و عملکرد ضعیف الگوریتم‌های پایه در پیش‌بینی نظرات کاربران از دیگر چالش‌های پیش‌روی توصیههای دامنه‌های متقابل است.
نتیجه‌گیری: 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. توصیههای دامنه‌های متقابل سطح مورد اصلی‌ترین دسته توصیههای دامنه‌های متقابل محسوب می‌شوند. با توجه به شکل‌گیری گروه‌های کسب‌کارهای الکترونیک، در آینده توصیههای متقابل در سطح سامانه‌ها بیشتر مورد توجه قرار خواهند گرفت. توصیههای دامنه‌های متقابل در بهبود عملکرد سامانه‌های توصیه‌گر، مدل‌سازی کاربر در تعامل انسان و رایانه، تجارت الکترونیک می‌توان استفاده می‌شوند.
