طراحی و ایجاد سامانه توصیه‌گر برچسب‌محور بر مبنای شبکه‌های عصبی عمیق

هدف اصلی این تحقیق، طراحی و پیاده‌سازی سامانه توصیه‌گر فروشگاه‌های آنلاین برچسب‌محور برای یک فروشگاه فیلم‌های سینمایی، جهت بالا بردن فروش اینترنتی است. روش تحقیق انتخاب‌شده، روش تحقیق علم طراحی و آزمایشی است که در آن، در مرحله ارزیابیِ روش تحقیق علم طراحی، از طراحی آزمایش استفاده شده است. برای بهبود عملکرد سامانه‌ توصیه‌گر، از برچسب‌های گذاشته‌شده توسط کاربران و الگوریتم شبکه‌های عصبی عمیق برای توصیه فیلم‌های سینمایی به آن‌ها استفاده شده است. آزمایشی طراحی و انجام شده است که در آن، سامانه توصیه‌گر بر‌چسب‌محور (که برای توصیه فیلم‌های سینمایی طراحی و ایجاد شده است) با سامانه توصیه‌گر پالایش گروهی (که از سامانه‌های توصیه‌گر جاافتاده و معیار است) در معیارهای ارزیابی دقت، به‌یادآوری و f1 مقایسه می‌شود. براساس نتایج، سامانه توصیه‌گر برچسب‌محور بر مبنای شبکه‌های عصبی عمیق در تمام این معیارهای ارزیابی از سامانه پالایش گروهی بهتر عمل می‌کند.

Design and Implementation of a Tagoriented Recommender System Based on Deep Neural Networks

The main purposes of this research are to design and develop a tagoriented deep artificial neural network as recommender system for online shops in order to increase online sale. The chosen research method is design science and experimental in which in the evaluation measurement step design of experiment has been used. In order to improve the performance of the recommender system user tags have been used and deep neural networks algorithm has been used to recommend movies to users. An experiment has been designed and implemented in which the designed and developed recommender system has been compared to collaborative filtering method, which is one of the established methods of recommendation, in the evaluation metrics of precision, recall and f1 for the recommendation of movies. The result proves that the developed recommender system with utilizing the tagoriented deep artificial neural network outperforms the collaborative filtering in all of these metrics.