ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

یادگیری عمیق برای سیستم های توصیه گر

سال انتشار: 1396
کد COI مقاله: CSCG02_009
زبان مقاله: فارسیمشاهده این مقاله: 1,270
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یادگیری عمیق برای سیستم های توصیه گر

ایمان ایرجیان - محقق. دانشگاه تهران، دانشکده فنی، گروه علوم مهندسی
سیدمحمود طاهری - استاد. دانشگاه تهران، دانشکده فنی، گروه علوم مهندسی

چکیده مقاله:

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.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CSCG02_009 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/696639/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ایرجیان، ایمان و طاهری، سیدمحمود،1396،یادگیری عمیق برای سیستم های توصیه گر،دومین کنفرانس ملی محاسبات نرم،رودسر،https://civilica.com/doc/696639

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396، ایرجیان، ایمان؛ سیدمحمود طاهری)
برای بار دوم به بعد: (1396، ایرجیان؛ طاهری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 67,801
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی