کیمیا سکاکی - دانش آموخته کارشناسی ارشد مدیریت فناوری اطلاعات دانشگاه علامه طباطبائی، تهران، ایران
ایمان رئیسی وانانی - عضو هیئت علمی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی، تهران، ایران
سیدسروش قاضی نوری - عضو هیئت علمی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی، تهران، ایران

سیستمهای توصیه گر در زمینه های مختلفی از جمله فیلم، شبکه های اجتماعی و غیره مورد استفاده قرار میگیرند. هدف سیستمهای توصیه گر ارائه پیشنهادات جذاب به کاربران با توجه به عملکردشان در سیستم است. محبوبترین سیستم های پیشنهاد دهنده مدلهای محتوا محور و روشهای فیلترگذاری مشارکتی است. یکی از بزرگترین چالش های روشهای فیلترگذاری مشارکتی شروع سرد میباشد. مشکل شروع سرد زمانی بوجود می آید که اطلاعات کافی در مورد عملکرد کاربر جدید و یا آیتم جدید در سیستم وجود ندارد. سیستم های توصیه گر با توجه به محیط عملیاتی مورد نظر، از تکنیکهای مختلف وابسته به محیط استفاده می کنند. در این تحقیق برای شناسایی مدل با دقت بالا از نرم افزار پایتون با الگوریتم های طبقه بندی مختلف استفاده شده است. مدل پیشنهاد شده در این مقاله بر اساس سیستم توصیهگر مبتنی بر اطلاعات کاربر میباشد. نتایج این تحقیق نشان میدهد، طبقه بندی دادهها در الگوریتم یادگیری عمیق با دقت بالاتری نسبت به بقیه الگوریتم ها انجام میشود

سیستم توصیه گر، یادگیری عمیق، شروع سرد، شبکه های اجتماعی