ارائه­ دهنده:

  اساتید راهنما:

دکتر کنگاوری

هیات داوران:
 دکتر ناصر مزینی
دکتر یعقوب زاده


زمان:
 ۱۴۰۰/۱۲/۲۳

ساعت ۱۳:۰۰
 

خانم فاطمه السادات رضوانی نژاد دانشجوی کارشناسی ارشد جناب آقای دکتر محمدرضا کنگاوری روز دوشنبه ۲۳ اسفند ماه ساعت ۱۳:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان " الگوریتم تطبیقی کارامد برای توصیه ­گر پرسش روی کتابخانه­ های رقمی و نمونه سازی " دفاع خواهند نمود.

چکیده پایان نامه:
سیستم‌های توصیه‌گر یکی از مدل‌های محبوب برای ایجاد تصمیم‌گیری‌های خودکار هستند. یکی از چالش ‌های اصلی در این زمینه مواجه با موارد و کاربرانی است که هیچ ارتباطی با سایر موجودیت هانداشته‌اند. این موجودیت‌ها با عنوان  موارد و کاربران با شروع سرد شناخته می‌شوند. عدم وجود این ارتباطات منجر به ناتوانی روش‌های مبتنی بر سیگنال‌ مشارکتی برای استخراج ترجیحات مرتبط می‌شود. روش‌های متفاوتی برای حل این مشکل معرفی شده است. از جمله این موارد می‌توان به در نظر گرفتن محتوای مربوط به کاربران و موارد در سیگنال‌های مشارکتی نام برد. یکی از روش‌های برتر در حل این چالش در نظر گرفتن وابستگی متقابل بین ویژگی‌های محتوایی و سیگنال‌های مشارکتی است. این روش با بیشینه کردن وابستگی بین ویژگی‌های موارد و سیگنال‌‌های مشارکتی و در نظر گرفتن یک روش یادگیری متناقض منجر به ایجاد نمایش مناسبی برای موارد با شروع سرد و همچنن سایر موارد می‌شود. یکی از بخش‌های اصلی این روش‌، ایجاد یک نمایش تعبیه شده بهینه برای کابران و موارد است. شبکه‌ی عصبی گراف به عنوان یکی از برترین روش‌ها برای ایجاد این نمایش معرفی شده‌ است. در این پایان نامه، یک شبکه ‌عصبی گراف مبتنی بر ارتباطات گذشته کاربران و موارد و همچنین ویژگی های آن‌ها در چارچوب یک الگوریتم یادگیری متناقض قرار گرفته است. مدل ایجاد شده قادر به یادگیری نمایش بهتر و بهینه تری برای موارد و کاربران مخصوصا موارد با شروع سرد می‌باشد. نتایج آزمایش‌ها نشان می‌دهد که در نظر گرفتن این شبکه‌ی عصبی گراف در چارچوب یادگیری متناقض منجر به افزایش کارایی سیستم توصیه‌گر می‌شود. همچنین وب سرویسی مبتنی بر این مدل برای ارائه ترجیحات کاربران بر روی کتابخانه رقمی Movielens ایجاد شده که نمونه سازی روش پیشنهادی را نشان می‌دهد.

واژگان کلیدی
سیستم توصیه‌گر، یادگیری متناقض، شبکه عصبی گراف، شروع سرد، کتابخانه رقمی

 
 
واژه‌های کلیدی: چندگانه، ماژول، ترکیب ماژول­ها، متن و صوت، مکالمات فیلم

.