طراحی سیستم توصیه گر مقالات فارسی و انگلیسی به کمک مدل زبانی BERT با تمرکز بر چکیده مقاله، عنوان و کلمات کلیدی

رشد سریع علوم مختلف در سال های اخیر، و رشد و فراگیر شدن شبکه جهانی اینترنت دو عاملی است که باعث شده تا روزانه در فضای اینترنت چندین هزار مقاله در رشته های مختلف انتشار یابد، و در دسترس همگان قرار گیرد. این مسئله چالش سربار اطلاعات را برای محققین به هنگام یافتن مقاله متناسب هدفشان به وجود آورده است. متخصصین علم هوش مصنوعی با توسعه سیستم های توصیه گر تا حد خوبی مشکل سربار اطلاعات را رفع کرده اند. اکثر پژوهش های ارائه شده در این حوزه برای زبان انگلیسی توسعه یافته، و تا کنون در زبان فارسی پژوهشی به منظور گسترش سامانه توصیه گر با هدف توصیه مقالات فارسی ارائه نشده است. هدف از این پژوهش ارائه تحقیقات پایه و توسعه سامانه توصیه گر مقالات فارسی است، تا نقطه شروعی برای سایر محققین و توسعه دهندگان باشد. در این پژوهش، پیشنهاد مقالات بر اساس شباهت معنایی عنوان، چکیده و کلمات کلیدی مقاله (با وزن دهی مناسب) با سوابق مطالعاتی کاربر است. پس از پیاده سازی و قرار گرفتن مدل به صورت آزمایشگاهی بر روی سرور داخلی دانشگاه بزرگمهر قاین، مدل توسط جمعی از دانشجویان کارشناسی نرم افزار کامپیوتر این دانشگاه مورد ارزیابی قرار گرفت، که در مجموع دقت سامانه ۷۹% ارزیابی شد.

کلیدواژه ها:

سیستم های توصیه گر ، مدل زبانی ، BERT ، پردازش زبان طبیعی