یادگیری عمیق برای سیستم های توصیه گر
Publish place: 2rd International Conference on Soft Computing
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,449
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCG02_009
تاریخ نمایه سازی: 7 اسفند 1396
Abstract:
سرویسهای اینترنتی امروزه محتواهای متنوعی ارایه میکنند. با توجه به اهمیت سیستم های توصیه گر در سرویس دهنده های برخط )آنلاین(، مشکلات موجود در این سیستمها و همچنین پویا، خلوت و حجیم بودن دادهها، نسل جدیدی از الگوریتمها برای سیستم های توصیه گر مورد نیاز است. از سوی دیگر، شبکه های عصبی عمیق موفقیت چشمگیری در پردازش متن، تشخیص گفتار، بینایی ماشین، پردازش زبان طبیعی و پیشبینی در حوزه های مختلف، داشته اند. افزایش حجم اطلاعات و نمونه های آموزشی ورودی شبکه های عصبی عمیق، نه تنها محدودیت ایجاد نمی کند، بلکه منجر به افزایش بازدهی این شبکه ها میگردد. در این مقاله، یادگیری عمیق را برای پیادهسازی موثر سیستمهای توصیه گر بررسی خواهیم نمود. در این مقاله سیستمهای توصیه گر، اهداف و کاربردهای آنها و روشهای مختلف توصیه را معرفی میکنیم. با نحوه ارزیابی مدل برای سیستمهای توصیه گر آشنا خواهیم شد. یادگیری عمیق و ارتباط یادگیری عمیق با هوش مصنوعی و سیستم های توصیه گر را بررسی میکنیم. همچنین یک روند پیاده سازی موثر را پیشنهاد میدهیم.
Keywords:
Authors
ایمان ایرجیان
محقق. دانشگاه تهران، دانشکده فنی، گروه علوم مهندسی
سیدمحمود طاهری
استاد. دانشگاه تهران، دانشکده فنی، گروه علوم مهندسی