طراحي و ايجاد سامانه توصيه‌گر برچسب‌محور بر مبناي شبكه‌هاي عصبي عميق

Design and Implementation of a Tag-oriented Recommender System Based on Deep Neural Networks

هدف اصلي اين تحقيق، طراحي و پياده‌سازي سامانه توصيه‌گر فروشگاه‌هاي آنلاين برچسب‌محور براي يك فروشگاه فيلم‌هاي سينمايي، جهت بالا بردن فروش اينترنتي است. روش تحقيق انتخاب‌شده، روش تحقيق علم طراحي و آزمايشي است كه در آن، در مرحله ارزيابيِ روش تحقيق علم طراحي، از طراحي آزمايش استفاده شده است. براي بهبود عملكرد سامانه‌ توصيه‌گر، از برچسب‌هاي گذاشته‌شده توسط كاربران و الگوريتم شبكه‌هاي عصبي عميق براي توصيه فيلم‌هاي سينمايي به آن‌ها استفاده شده است. آزمايشي طراحي و انجام شده است كه در آن، سامانه توصيه‌گر بر‌چسب‌محور (كه براي توصيه فيلم‌هاي سينمايي طراحي و ايجاد شده است) با سامانه توصيه‌گر پالايش گروهي (كه از سامانه‌هاي توصيه‌گر جاافتاده و معيار است) در معيارهاي ارزيابي دقت، به‌يادآوري و f1 مقايسه مي‌شود. براساس نتايج، سامانه توصيه‌گر برچسب‌محور بر مبناي شبكه‌هاي عصبي عميق در تمام اين معيارهاي ارزيابي از سامانه پالايش گروهي بهتر عمل مي‌كند.

The main purposes of this research are to design and develop a tag-oriented 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 tag-oriented deep artificial neural network outperforms the collaborative filtering in all of these metrics.