طراحی سیستم توصیه گر مبتنی بر مدل یادگیری عمیق خودرمزنگار پشته ای

توسعه روزافزون تجارت الکترونیک و خرید و فروش کالا و خدمات در این بستر باعث شده ارائه دهندگان کالا و خدمات نیاز جدی به تبلیغات گسترده ولی هوشمند به منظور حذف مشتریان خود داشته باشند. از طرفی مشتریان متقاضی دریافت کالا و خدمات با توجه به گستردگی این حوزه تمایل به سازماندهی محتوای وب متناسب با نیاز خود را دارند. بنابراین سیستمهای توصیه گر به منظور بازیابی و تصفیه اطلاعات متناسب با نیاز کاربران ارائه شده است. در این مقاله یک سیستم توصیه گر برای فیلم مبتنی بر شبکه عصبی خود رمزنگار عمیق طراحی شده است. در این سیستم، ویژگیهای کاربران و فیلمها به صورت جداگانه به عنوان ورودی به شبکه عصبی خودرمزگذار داده میشود و ویژگیهای اصلی جدید بدست آمده برای خوشه بندی k-means استفاده میشود. سپس تخمین رتبه فیلمها از خوشه کاربران و تخمین نظر کاربر فعال به فیلمها انجام گرفته تا نهایتا توصیه فیلمها با نظر بالا به کاربر امکانپذیر شود. سیستم توصیه گر پیشنهادی برروی داده مستخرج از سایت movieLenes پیاده سازی و نتایج خوشه بندی k-means با شبکه عصبی عمیق خودرمزنگار با نتایج خوشه بندی کلاسیک k-means مقایسه شده است.

کلیدواژه ها:

سیستم تو صیه گر فیلم ، یادگیری عمیق ، شبکه عصبی خودرمزنگار ، خو شه بندی k-means ، فیلترینگ مشارکتی.