مقاله فارسی
طراحی یک سیستم توصیه گر ترکیبی معنایی با استفاده از تکنیکهای پردازش زبان طبیعی فارسی
چکیده
با افزایش سریع اطلاعات، به سیستمی توصیهگر که با دادن پیشنهادات مناسب با علایق یک کاربر بر اساس پیشینه ی عملکرد او، وی را از صرف وقت در مرور تمام آیتمها باز دارد، به شدت احساس نیاز میشود. سیستم توصیه گر با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسبترین اقلام به وی مینماید. حوزه ی مفاهیم موجود در بسیاری از سیستمهای توصیهگر فعلی، محدود به دانش موجود در خود سیستم بوده و از منابع عظیم دانش خارج از سیستم، مانند وب معنایی و دادههای پیوندی استفاده نمیشود. در این مقاله سیستم توصیهگر ترکیبیای معرفی شده است که از مفاهیم و روابط موجود بین آنها در پایگاههای خارج از خود استفاده میکند. در نتیجه یکی از قسمتهای اصلی سیستم پیشنهادی، استخراج مفاهیم از آیتمها و رفتار کاربران میباشد؛ که این کار با تکنیکهای پردازش زبان طبیعی مانند ریشهیابی کلمات کلیدی آیتمها میسّر میباشد. همچنین در سیستم پیشنهادی از نگاشت معنایی ریشههای بدست آمده، به شبکه واژگان فردوسنت استفاده شده است. با اینکار به دلیل گسترش معنایی مجموعه کلمات کلیدی و ویژگیهای آیتمها، صحت توصیهها افزایش خواهد یافت. در پایان نیز با استفاده از حدود 81 هزار کتاب دستهبندی شده استخراجی از سایت Acm و میلیونها نرخی که هزاران کاربر به یک میلیون مقاله/کتاب موجود در مجموعه داده Epinions دادهاند، نشان داده خواهد شد که مشکل “شروع آهسته” تا حد زیادی قابل حل میباشد.
کلمات کلیدی
سیستم توصیه گر ترکیبی، پردازش زبان طبیعی فارسی، فردوسنت، وب معنایی، ریشه یابی