مروری بر کاربرد الگوریتم های یادگیری عمیق استفاده شده در توصیه POI
با توسعه سریع فناوری اطلاعات، حجم داده ها روزبهروز در حال افزایش است و این موضوع منجر به چالشهای جدی در پیداکردن اطلاعات درست و مناسب برای کاربران اینترنت می شود. برای رفع این مشکل، انواع سیستم های توصیه گر برای تحلیل داده های سابقه رفتاری کاربران و ارایه خدمات شخصی برای بهبود تجربه ها و بررسی نظر های مشتریان در بسیاری از زمینه ها ایجاد شده اند. با توجه به اهمیت و کاربردهای گسترده توصیه POI، این موضوع هم در تحقیقات آکادمیک و هم در صنعت در کانون توجه قرار گرفته است. با این حال، فناوری های سنتی مانند فیلترینگ مشارکتی با چالش کمبود دادهها محدود شدهاند و همچنین بسیاری از روش های قدیمی تر برای استخراج و توصیه POI طراحی نشدهاند، بنابراین نمی توانند خصوصیات منحصر به فردی را که تاثیرات زیادی بر روابط توصیه POI دارد، استخراج کنند. در سال های اخیر الگوریتمهای مختلفی از حوزه یادگیری عمیق برای توصیه های POI مورد توجه محققین بوده است. در این تحقیق، کارهای تحقیقاتی و مدلهای ارایه شده در زمینه توصیه POI به کمک یادگیری عمیق مورد مطالعه قرار گرفته و همچنین نتایج به دست آمده از نظر الگوریتم های یادگیری عمیق استفاده شده، مجموعه داده های مورد استفاده، معیارهای ارزیابی و ابزارهای پیادهسازی مورد بررسی و تحلیل قرار گرفته اند.
- 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.