سیستم های توصیه گر فیلم: بررسی راهکارها، نقاط قوت و ضعف

در حال حاضر ، اینترنت حاوی مقدار زیادی اطلاعات است که باید برای تعیین مناسب بودن برای برخی کاربران فیلتر شود. سیستم هایپیشنهادی ابزاری بسیار مناسب برای این منظور هستند. سیستم های پیشنهادی ذکرشده در این مقاله برای پیشنهاد فیلم های مناسباست. این سیستم ها با ژانرهای مورد علاقه و نامطبوع کاربر کار می کند . وقتی صحبت از سیستم توصیه فیلم می شود ، توصیه بر اساسشباهت بین کاربران (فیلترینگ مشارکتی ۱) یا با در نظر گرفتن فعالیت خاص کاربر (فیلترینگ محتوا ۲) که وی می خواهد با آن درگیرشود ، انجام می شود. برای غلبه بر محدودیت های فیلترینگ مشارکتی و مبتنی بر محتوا، به طور کلی ، ترکیبی از فیلترهای مشارکتی ومبتنی بر محتوا استفاده می شود تا سیستم پیشنهادی بهتری ایجاد شود. در این مقاله ، روش های پیشرفته فیلترینگ محتوا ، فیلترینگمشارکتی ، فیلترینگ ترکیبی ۳ و روشهای مبتنی بر یادگیری عمیق ۴ برای توصیه فیلم مورد ارزیابی قرار می گیرد.

کلیدواژه ها:

سیستم توصیه گر ، سیستم توصیه مبتنی بر محتوا ، فیلترینگ مشارکتی ، یادگیری عمیق ، فیلم ها