یک سامانه پیشنهادده بر پایه شبکه های عصبی گرافی و با استفاده از روش دامنه های متقابل برای حل مشکل آغاز سرد
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 15
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ABMIR-2-1_005
تاریخ نمایه سازی: 6 اسفند 1403
چکیده مقاله:
امروزه میزان و اهمیت داده های موجود در اینترنت به طور تصاعدی در حال افزایش است که انتخاب یک گزینه مطلوب از بین گزینه های بسیار زیاد می تواند خسته کننده و وقت گیر باشد. هدف سامانه های پیشنهادده، این است که این فرآیند را با یافتن آیتم های مناسبی که بیشتر مورد علاقه کاربران هستند، تسهیل کنند. تکنیک های پیشنهادی سامانه های پیشنهادده موجود از مشکلات رایجی مانند پراکندگی داده، شروع سرد و مشکلات کاربران جدید رنج می برند. در این مقاله تمرکز اصلی بر استفاده از اطلاعات دامنه های دیگر برای ایجاد سامانه های پیشنهادده دامنه متقابل است. سامانه های پیشنهادده دامنه متقابل می توانند موقعیت های شروع سرد و کاربران جدید را به خوبی مدیریت کنند، در این مقاله ابتدا مدلی بر پایه شبکه های عصبی گرافی، الگوی تعاملات کاربران و آیتم ها را در هر دامنه به صورت مستقل کشف می کند و در گام بعد یک شبکه عصبی بازنمایی بدست آمده برای کاربران شروع سرد را از دامنه مبدا به دامنه هدف منتقل می کند. نتایج نشان می دهد مدل پیشنهادی در مقایسه با سایر مدل ها عملکرد بهتری برای رتبه بندی آیتم ها دارد.
کلیدواژه ها:
نویسندگان
سحر اخضری
دانشجوی کارشناسی ارشد هوش مصنوعی، گروه مهندسی برق و کامپیوتر، دانشگاه خوارزمی، تهران، ایران.
نصرتعلی اشرفی پیامن
استادیار گروه مهندسی برق و کامپیوتر، دانشگاه خوارزمی، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :