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.