چکیده مقاله
استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه های توصیه گر مدرن به طور گسترده افزایش پیدا کرده است اکثر سامانه های توصیه گر مبتنی بر گراف دانش از فاکتورسازی ماتریس MF جهت مدل سازی روابط کاربر و آیتم استفاده می کنند این امر باعث می شود سامانه توصیه گر به سختی تعاملات پیچیده بین کاربران و آیتم ها را مدل سازی کند برای رفع این مشکل، در این مقاله مدل ONCF_Ripple ارائه شده است این مدل، شبکه عصبی کانولوشن را به مدل RippleNet می افزاید مدل RippleNet یک سامانه توصیه گر مبتنی بر گراف دانش می باشد برای ارزیابی عملکرد مدل پیشنهادی، آزمایش های گسترده ای روی دو مجموعه داده دنیای واقعی در دو سناریوی شروع سرد و شروع گرم انجام شده است نتایج آزمایش ها نشان می دهد که مدل ONCF_Ripple عملکرد قابل قبولی به ویژه در حالت شروع سرد و پراکندگی داده ها داشته است
کلیدواژهها
نویسندگان
شیوه ارجاع
نوذری خوشدره گی، زهره و روانی فرد، رابعه و سلطانی، آزاده،1401،سامانه توصیه گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�
ارائهشده در
مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز