تقيم هذه الدراسة ما إذا كان يمكن استخدام خوارزميات الترشيح التعاونية التعاونية النموذجية (CF)، والتي تمت دراستها على نطاق واسع وتستخدم على نطاق واسع لبناء أنظمة التوصية، للتنبؤ بالأسماء المشتركة التي يمكن أن تتخذها المسند ككمل لها. نجد أنه عند تدريب
البيانات المشتركة في الفعل الفعل المنسق من كوربوس الأمريكيين المعاصرين - الإنجليزية (COCA)، اثنين من خوارزميات CF شعبية تعتمد على النموذج، وتحلل القيمة المفرد وعوامل مصفوفة غير سلبية، تؤدي بشكل جيد في هذه المهمة ، يحقق كل منها AUROC من 0.89 على الأقل وتجاوز العديد من خطوط الأساس المختلفة. نوضح بعد ذلك أن ناقلات التضمين للأفعال والأسماء المستفادة من طرازات CF يمكن قياسها (عبر تطبيق K- يعني التجميع) مع الحد الأدنى من فقدان الأداء في مهمة التنبؤ مع استخدام عدد صغير فقط من الأفعال والأسماء (بالنسبة لعدد الأفعال والأسماء المتميزة). أخيرا، نقيم المحاذاة بين ناقلات التضمين الكمي للأفعال وفئات الفعل ليفين، وتجدر عن أن المحاذاة تجاوزت العديد من خطوط الأساس العشوائية. نستنتج عن طريق مناقشة كيفية تطبيق خوارزميات CF النموذجية القائمة على قيود التعلم على الاختيار المكونات بين مختلف الفئات المعجمية وكيف يمكن بعد ذلك استخدام هذه النماذج (المستفادة) لزيادة قواعد الدائرة الانتخابية (القاعدة).
تنتمي الأنظمة الناصحة إلى صف من الأنظمة المصممة لمساعدة الافراد على معالجة المعلومات الإضافية الزائدة أو الناقصة. يمكن لهذه الأنظمة أن تساعد الأفراد من خلال تأمين النصائح و ذلك بالاعتماد على مجموعة من التقنيات .إن تقنية الفلترة التعاونية Collaborativ
e filtering مستخدمة بشكل واسع لتحقيق التنبؤ ضمن الأنظمة الناصحة.أعرض ضمن هذا البحث طريقة تستخدم علاقات التفضيل بدلا من التنبؤ المطلق و ذلك لحساب التشابه بهدف إيجاد تقدير تنبؤي بسلع جديدة.
تظهر النتائج التجريبية أن الطريقة الموضحة ضمن هذا البحث تؤمن نتيجة أفضل من طرق أخرى كطريقة Somers Coefficient على سبيل المثال.
نعرض في هذا البحث مقاربة لتكامل محركات البحث مع تقنيات الترشيح، و ذلك من خلال علاقة دينامكية للتهجين بين الترشيح التعاوني، و الترشيح المرتكز على المحتوى؛ بهدف التخفيف من المحدوديات السابقة، و تحسين مقاييس الدقة و الاستذكار للوثائق المسترجعة. تَستخدم
المقاربة المقترحة نموذج أنطلوجي المجال (Domain ontology) في تمثيل لاحة المستخدم بهدف الحد من الأخطاء و التشويش الناتجة عن عد لاحة المستخدم ككيان واحد كما تَستفيد من تفاعل المستخدم و نشاطه، للقيام بعمليات التعليم و التكيف المستمر للاحة المستخدم؛ لتعكس بشكل دائم شخصيته و ميوله دون الاعتماد على أمثلة تدريبية فقط؛ بهدف تحسين الترشيح، و تلبية حاجة المستخدم بالحصول على المعلومات الموائمة بدقة أكبر.
