سیستم پیشنهاد دهنده‌ی هوشمند مبتنی بر تکنیک‌های یادگیری ماشین

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: سیستم پیشنهاد دهنده‌ی هوشمند مبتنی بر تکنیک‌های یادگیری ماشین

ارائه دهنده: Provider: محمد جمالی دوگاهه - رشته کامپیوتر

اساتید راهنما: Supervisors: دکتر حسن ختن لو

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees:

زمان و تاریخ ارائه: Time and date of presentation: 1398/11/19

مکان ارائه: Place of presentation:

چکیده: Abstract: سیستم‌های توصیه کننده ابزار‌های موثر جهت پالایش اطلاعات هستند که به دلیل افزایش سطح دسترسی به اینترنت، تمایل به شخصی‌سازی و تغییر عادات و علایق کاربران به مرور زمان، استفاده از آن به امری رأیج تبدیل شده است. هرچند که سیستم‌های موجود پیشنهادات مورد قبول و مناسب ارائه می­دهند اما همچنان دارأی مشکلاتی نظیر دقت، مقیاس‌پذیری، و شروع سرد هستند. یادگیری ضرأیب پنهان[1] نقش مهمی را در سیستم‌های پیشنهاد دهنده‌ی مشارکت محور ایفا می­کند. فضای پنهان[2] ترجیح کاربران به استفاده از محصولات را در قالب ضرأیب پنهان مدل می­کند. سیستم‌های سنتی ضرأیب پنهان را با استفاده از عامل بندی ماتریس[3] آرأی کاربران، بر روی محصولات یادگیری می­کنند. برای جبران کمبود این روش در پژوهش‌های جدید از توابع مختلفی برای انتقال داده‌ها به فضای پنهان از جمله فاصله‌ی اقلیدسی به جای ضرب نقطه‌ای استفاده شده است. استفاده از فاصله‌ی ماهالونوبیس یک روش مطرح برای جبران خطای فاصله‌ی اقلیدسی در فضا‌هایی با ویژگی‌های وابسته است اما آزمایشات انجام شده نشان می­دهد که مدل‌های مورد استفاده برای تحلیل عامل‌های پنهان بسیار حساس به مقادیر پارامتر‌ها هستند در نتیجه با توجه به پیچیده‌تر شدن رابطه‌ی بین متغییر‌ها، استفاده‌ی مستقیم از فاصله‌ی ماهالانوبیس به بهبود فرآیند تحلیل عامل‌های پنهان کمک نمی­کند. در این پژوهش با جایگزینی معکوس تابع انتقال در روش مبتنی بر فاصله‌ی اقلیدسی با فاصله‌ی ماهالانوبیس برای بهبود فرآیند انتقال و تفکیک فرآیند آموزش پارامتر‌های تابع انتقال و معکوس تابع انتقال برای حل مشکل حساسیت به مقادیر پارامتر‌ها، همچنین ارائه‌ی یک شبکه‌ی عصبی مبتنی بر فاصله‌ی اقلیدسی برای انتقال داده‌ها به فضای معنی، دو روش جهت بهبود فرآیند تحلیل عامل‌های پنهان ارائه می­دهیم. واژه­های کلیدی: سیستم‌های پیشنهاد دهنده، یادگیری ماشین، فضای پنهان، فاصله­ی اقلیدسی، فاصله‌ی ماهالانوبیس، شبکه‌ی عصبی

فایل: ّFile: دانلود فایل