فهرست نشریات علمی دسترسی آزاد ایران

با رشد فزاینده منابع دیجیتال، کاربران کتابخانه‌های دیجیتال با چالش‌های قابل توجهی در یافتن سریع و دقیق منابع مرتبط مواجه هستند و روش‌های سنتی جستجو و فیلتر اغلب قادر به پاسخ‌گویی به نیازهای شخصی‌سازی‌شده آنان نیستند. از این‌رو، سیستم‌های توصیه‌گر هوشمند به‌عنوان راهکاری مؤثر مورد توجه قرار گرفته‌اند. این پژوهش یک سیستم توصیه‌گر ترکیبی مبتنی بر داده‌های رفتاری و محتوایی ارائه می‌دهد که شامل مراحل پیش‌پردازش داده‌ها، دو موتور توصیه‌گر (محتوایی و مشارکتی) و یک لایه ادغام هوشمند است. در این چارچوب، داده‌های رفتاری از مجموعه Book-Crossing و داده‌های محتوایی از منابع Book-Crossing و CiteULike استخراج و برای مدل‌سازی ترجیحات کاربران و ویژگی‌های محتوایی منابع به‌کار گرفته شده‌اند. عملکرد سیستم با استفاده از معیارهای دقت، پوشش، تنوع و امتیاز کیفیت توصیه مبتنی بر ارزیابی هوشمند مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل ترکیبی نسبت به روش‌های تک‌رویکرد عملکرد بهتری داشته و دقت آن به 75/0، بازخوانی به 72/0 و پوشش به 68/0 رسیده است. همچنین این رویکرد با افزایش تنوع توصیه‌ها و کاهش مشکل شروع سرد و سوگیری محبوبیت، موجب ارتقای تجربه کاربری شده است. در مجموع، یافته‌های پژوهش نشان می‌دهد که استفاده از رویکرد ترکیبی مبتنی بر داده‌های رفتاری و محتوایی می‌تواند به‌طور معناداری عملکرد سیستم‌های توصیه‌گر در کتابخانه‌های دیجیتال را بهبود دهد و امکان ارائه خدمات شخصی‌سازی‌شده‌تر و کارآمدتر را فراهم سازد.