An Integrated Hybrid Recommendation and Trust-Aware Review Intelligence Framework for Reliable Service Provider Matching
تقترح هذه الورقة إطار عمل هجين متكامل يجمع بين TF-IDF، والتشابه الدلالي، والترشيح التعاوني لاختيار مقدمي الخدمات المرشحين مع نظام ذكاء للمراجعات قائم على الثقة باستخدام Multi-Task BiLSTM وIsolation Forest لتحليل المشاعر الخاصة بالجوانب ومصداقية المراجعات، مما يحقق مطابقة أكثر موثوقية لمقدمي الخدمات من خلال مسار إعادة ترتيب موحد.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن العثور على مهني ماهر لإصلاح أنبوب يسرب الماء، أو تركيب سقف، أو إصلاح سيارة هو أمر يقوم به الجميع تقريبًا، ومع ذلك، فإن الأسواق الرقمية المصممة لربط العملاء بهؤلاء العمال غالبًا ما تترك الناس في حالة من الحيرة. فعندما يكتب المستخدم طلبًا في مربع البحث، يجب على النظام أن يقرر أي من آلاف المزودين المسجلين هو الأنسب. تعتمد الأنظمة التقليدية على مطابقة الكلمات المفتاحية البسيطة، حيث تبحث عن تداخل الكلمات الدقيق بين ما يطلبه العميل وما يقدمه المزود، أو تعتمد بشكل كبير على تقييم نجمي رقمي واحد. ومع ذلك، فإن هذه الأساليب غالبًا ما تخطئ الهدف؛ فالمستهلك الذي يطلب "إصلاح صنبور يقطر" والمزود الذي يصف نفسه بأنه "سباك يصلح التسريبات" يتحدثان عن نفس الحاجة، لكن نظامًا يعتمد على عد الكلمات البسيط قد يفشل في رؤية هذا الرابط. علاوة على ذلك، لا يمكن لرقم واحد أن يستوعب الفروق الدقيقة في تجربة الخدمة، والتي قد تكون ممتازة من حيث جودة العمل ولكنها سيئة فيما يتعلق بالالتزام بالمواعيد أو التواصل. والأمر الأكثر إثارة للقلق هو أن ليست كل المراجعات جديرة بالثقة؛ فبعضها مزيف، أو متلاعب به، أو مكتوب من قبل أشخاص لديهم أنماط سلوكية غير عادية، والتعامل مع كل مراجعة على أنها صالحة بالتساوي يمكن أن يشوه السمعة الحقيقية للمزود. وقد طور باحثون في معهد سريلانكا لتكنولوجيا المعلومات والاتصالات إطار عمل جديدًا لحل هذه المشكلات من خلال الجمع بين نهجين متميزين: أحدهما يجد المزودين ذوي الصلة، والآخر يتحقق من موثوقية التعليقات التي يتلقونها.
لقد بنى الباحثون نظامًا مكونًا من مرحلتين مصممًا أولاً لتحديد قائمة قصيرة من المرشحين المحتملين، ثم تحليل التعليقات المرتبطة بهم بعمق لضمان الموثوقية. في المرحلة الأولى، يعمل النظام كمرشح واسع النطاق، حيث يمسح قاعدة بيانات تضم عشرة آلاف مزود مقابل عشرين ألف طلب من العملاء. وبدلاً من الاعتماد على طريقة واحدة فقط، فإنه يستخدم ثلاث طرق مختلفة لقياس الصلة في آن واحد؛ فهو يتحقق من المطابقة المباشرة للكلمات المفتاحية، ويستخدم نماذج لغوية متقدمة لفهم المعنى الكامن وراء الطرق المختلفة لصياغة الطلب، ويبحث في البيانات التاريخية ليرى عدد المرات التي أكمل فيها المزود الوظائف بنجاح لمستخدمين مشابهين للباحث. يتم دمج هذه الإشارات الثلاث معًا لإنشاء درجة واحدة، مما يقلص القائمة الضخمة من المزودين إلى مجموعة يمكن إدارتها من المرشحين الأكثر صلة. وقد أثبت هذا النهج أنه أكثر فعالية من استخدام أي طريقة بمفردها، حيث نجح في تحديد المزودين المناسبين بدقة عالية.
بمجرد حصول النظام على قائمة قصيرة من المرشحين، ينتقل إلى المرحلة الثانية، والتي تعمل كوحدة لمراقبة الجودة والتحقق من الثقة. هنا، لا ينظر النظام إلى متوسط التقييم النجمي فحسب؛ بل يقرأ النص الفعلي لخمسة وعشرين ألف مراجعة من العملاء عبر أربعة عشر فئة مختلفة من الخدمات، مثل أعمال البناء، والأعمال الكهربائية، وإصلاح المركبات. يقوم النظام بتفكيك كل مراجعة لفهم جوانب محددة من الخدمة: جودة العمل، وما إذا كان المزود منضبطًا في مواعيده، ومدى جودة تواصله، ومستوى احترافيته. وباستخدام شبكة عصبية متطورة، يتنبأ النظام بالمشاعر لكل جانب من هذه الجوانب الأربعة بشكل منفصل، مدركًا أن المزود قد يُمدح لمهارته ولكنه يُنتقد لتأخره. وفي الوقت نفسه، يفحص نموذج منفصل المراجعات بحثًا عن علامات عدم الموثوقية؛ حيث يبحث عن الأنماط اللغوية والدلائل السلوكية، مثل الاختيارات اللغوية غير العادية أو الصياغة المتكررة، لتحديد المراجعات التي قد تكون مشبوهة أو شاذة. وتُمنح المراجعات التي تبدو ذات مصداقية وزنًا أكبر، بينما يتم التقليل من شأن المراجات التي تم تصنيفها كغير حقيقية أو متلاعب بها، مما يضمن أن التصنيف النهائي يعكس تجارب العملاء الحقيقية.
تظهر نتائج هذا النهج المتكامل أن الجمع بين الصلة والذكاء القائم على الثقة يحسن بشكل كبير من عملية مطابقة الخدمة. فقد نجح نموذج تحليل المشاعر في التنبؤ بالمشاعر المحددة وراء المراجعات بمتوسط دقة يقترب من تسعة وثمانين بالمائة، حيث حدد بشكل صحيح ما إذا كان العميل سعيدًا أم غير سعيد بشأن الجودة، أو الالتزام بالمواعيد، أو التواصل، أو الاحترافية. وكان النظام الذي اكتشف المراجعات المزيفة أو غير الموثوقة أكثر دقة، حيث حقق دقة إجمالية بلغت ستة وتسعين بالمائة في التمييز بين التعليقات الحقيقية والشذوذ المشبوه. ومن خلال دمج هذه الرؤى، يمكن لإطار العمل إعادة ترتيب قائمة المرشحين الأولية، مما يعزز مكانة أولئك الذين لديهم ثناء محدد وموثوق، ويخفض من شأن أولئك الذين لديهم تعليقات غير موثوقة أو مختلطة. وقد وجد الباحثون أن هذه العملية المكونة من خطوتين، والتي تفصل مهمة العثور على المزودين ذوي الصلة عن مهمة التحقق من سمعتهم، تخلق طريقة أكثر موثوقية لمطابقة العملاء مع المهنيين. وبينما تقر الدراسة بأن الأوزان المحددة المستخدمة لدمج هذه الإشارات المختلفة تم اختيارها يدويًا وأن هناك حاجة لمزيد من الاختبار على بيانات العالم الحقيقي، فإن النتائج الحالية تظهر أن التعامل مع الصلة والثقة كأمرين متكاملين، وليس كأمرين منفصلين، يوفر مسارًا واضحًا للمستقبل في أسواق الخدمات عبر الإنترنت.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.