سيستم توصيه گر معنايي وب بر اساس پروفايل كاربر با استفاده از حداكثرسازي نفوذ در شبكه كاربران مشابه و يادگيري عميق

سيستم هاي توصيه گر صفحات وب در راستاي ارائه پيشنهادات مرتبط با محتواي وب سايت ها و صفحات اينترنتي به كاربران به منظور كاهش سربار اطلاعاتي مورد استفاده قرار مي گيرند. اين سيستم ها با استفاده از تحليل نظرات و بازخوردهاي كاربران ، ميتوانند الگوهاي رفتاري و ترجيحات كاربران را شناسايي كرده و بر اساس آنها پيشنهادات مناسب ارائه دهند. در اين مقاله از تركيب مسئله به حداكثر رساندن تأثير اجتماعي و فيلتر مشاركتي مبتني بر شبكه خودرمزگذار عميق براي تخمين رتبه بندي كاربران در شبكه كاربران مشابه بر اساس نظرات كاربران استفاده شده است. روش پيشنهادي با يافتن شبكه كاربران مشابه بر اساس نظرات كاربران، اقدام به يافتن كاربران تأثير گذار بر اساس الگوريتم ژنتيك مي نمايد.كاربران تأثيرگذار، گروه كاربران مشابه از نظر رتبه بندي را به عنوان ورودي شبكه خودرمزگذار عميق تشكيل مي دهند كه خروجي آن تخمين رتبه بندي كاربران جديد است. در نهايت توصيه هاي بازديد وب بر اساس فيلتر مشاركتي حاصل از پيش بيني آيتم هاي مورد علاقه كاربران تأثيرگذرا براي 95.31 % و ،0.0025 ، به ترتيب برابر با 0.0024 Accuracy و Hit Rate ،RMSE ،MAE كاربران جديد ارائه مي شود. روش پيشنهادي با مقدار 95.08 نسبت به ساير روش هاي پيشين نتايج بهتري به دست آورده است.