کاهش ابعاد با استفاده از یادگیری عمیق در فرایند فیلترینگ همکارانه

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 467

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SENACONF10_129

تاریخ نمایه سازی: 25 فروردین 1400

چکیده مقاله:

از ابتدای همین قرن و با گسترش روزافزون شبکه ی جهانی وب ما با حجم عظیمی از اطلاعات درگیر شده ایم به عنوان مثال درگذشته وقتی قصد خرید کتابی داشتیم به یک کتابفروشی رفته و از بین کتابهای آنکه معمولاً بیش از چند صد جلد نمیشد کتاب موردنظر خود را انتخاب میکردیم اما اکنون وقتی برای خرید کتاب در اینترنت به جستجو می پردازیم با میلیونها انتخاب روبه رو می شوید و انتخاب بهتر گزینه در این حالت همواره مشکل خواد بود، سیستمهای توصیه گر برای حل این مسئله به وجود آمده اند اما با توجه به حجم وسیع دیتاهایی که هر دقیقه در دنیای وب ایجاد میشود همواره نیازمند روش هایی هستیم که بتواند کارایی این سیستم ها را افزایش دهد ما در این مقاله با ارائه روشی بر پایه یادگیری عمیق به کاهش ابعاد پرداخته و از خروجی حاصل از این روش در فرایند خوشه بندی استفاده نموده ایم و با روش های متداول کاهش ابعاد به مقایسه پرداختیم و کارایی روش پیشنهادی خودمان را بر اساس معیارهای صحت ، دقت و فراخوانی مورد سنجش قرار داده ایم امید است که با این ارائه این روش قدم کوچکی در توسعه پایدار ایران برداریم.

نویسندگان

حمیدرضا کوهی

استادیار گروه مهندسی کامپیوتر، دانشگاه شمال، آمل

عماد محمودی

استاد مشاور، دانشگاه فردوسی، مشهد

مهدی مهربان

دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه شمال، آمل