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 سالهای اخیر، و رشد و فراگیر شدن شبکه جهانی اینترنت دو عاملی است که باعث شده تا روزانه در فضای اینترنت چندین هزار مقاله در رشتههای مختلف انتشار یابد، و در دسترس همگان قرار گیرد. این مسیله چالش سربار اطلاعات را برای محققین به هنگام یافتن مقاله متناسب هدفشان به وجود آورده است. متخصصین علم هوش مصنوعی با توسعه سیستمهای توصیهگر تا حد خوبی مشکل سربار اطلاعات را رفع کردهاند. اکثر پژوهشهای ارایه شده در این حوزه برای زبان انگلیسی توسعه یافته، و تا کنون در زبان فارسی پژوهشی به منظور گسترش سامانه توصیهگر با هدف توصیه مقالات فارسی ارایه نشده است. هدف از این پژوهش ارایه تحقیقات پایه و توسعه سامانه توصیهگر 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 پیادهسازی و قرار گرفتن مدل به صورت آزمایشگاهی بر روی سرور داخلی دانشگاه بزرگمهر قاین، مدل توسط جمعی از دانشجویان کارشناسی نرمافزار کامپیوتر این دانشگاه مورد ارزیابی قرار گرفت، که در مجموع دقت سامانه 79% ارزیابی شد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.