آخرین مهلت ارسال مقالات برای دوره ۴ -شماره ۱۲ -آذر ماه ۱۴۰۳:
(۱۵ آذر ماه ۱۴۰۳)
طراحی سیستم توصیهگر مقالات فارسی و انگلیسی به کمک مدل زبانی BERT با تمرکز بر چکیده مقاله، عنوان و کلمات کلیدی
دوره 2، شماره 4، 1401، صفحات 79 - 91
1 دانشجو
2 استادیار دانشگاه جامع امام حسین (ع)
3 پژوهشگر دانشگاه جامع امام حسین (ع)
چکیده :
رشد سریع علوم مختلف در سالهای اخیر، و رشد و فراگیر شدن شبکه جهانی اینترنت دو عاملی است که باعث شده تا روزانه در فضای اینترنت چندین هزار مقاله در رشتههای مختلف انتشار یابد، و در دسترس همگان قرار گیرد. این مسئله چالش سربار اطلاعات را برای محققین به هنگام یافتن مقاله متناسب هدفشان به وجود آورده است. متخصصین علم هوش مصنوعی با توسعه سیستمهای توصیهگر تا حد خوبی مشکل سربار اطلاعات را رفع کردهاند. اکثر پژوهشهای ارائه شده در این حوزه برای زبان انگلیسی توسعه یافته، و تا کنون در زبان فارسی پژوهشی به منظور گسترش سامانه توصیهگر با هدف توصیه مقالات فارسی ارائه نشده است. هدف از این پژوهش ارائه تحقیقات پایه و توسعه سامانه توصیهگر مقالات فارسی است، تا نقطه شروعی برای سایر محققین و توسعه دهندگان باشد. در این پژوهش، پیشنهاد مقالات بر اساس شباهت معنایی عنوان، چکیده و کلمات کلیدی مقاله (با وزن دهی مناسب) با سوابق مطالعاتی کاربر است. پس از پیادهسازی و قرار گرفتن مدل به صورت آزمایشگاهی بر روی سرور داخلی دانشگاه بزرگمهر قاین، مدل توسط جمعی از دانشجویان کارشناسی نرمافزار کامپیوتر این دانشگاه مورد ارزیابی قرار گرفت، که در مجموع دقت سامانه 79% ارزیابی شد.
رشد سریع علوم مختلف در سالهای اخیر، و رشد و فراگیر شدن شبکه جهانی اینترنت دو عاملی است که باعث شده تا روزانه در فضای اینترنت چندین هزار مقاله در رشتههای مختلف انتشار یابد، و در دسترس همگان قرار گیرد. این مسئله چالش سربار اطلاعات را برای محققین به هنگام یافتن مقاله متناسب هدفشان به وجود آورده است. متخصصین علم هوش مصنوعی با توسعه سیستمهای توصیهگر تا حد خوبی مشکل سربار اطلاعات را رفع کردهاند. اکثر پژوهشهای ارائه شده در این حوزه برای زبان انگلیسی توسعه یافته، و تا کنون در زبان فارسی پژوهشی به منظور گسترش سامانه توصیهگر با هدف توصیه مقالات فارسی ارائه نشده است. هدف از این پژوهش ارائه تحقیقات پایه و توسعه سامانه توصیهگر مقالات فارسی است، تا نقطه شروعی برای سایر محققین و توسعه دهندگان باشد. در این پژوهش، پیشنهاد مقالات بر اساس شباهت معنایی عنوان، چکیده و کلمات کلیدی مقاله (با وزن دهی مناسب) با سوابق مطالعاتی کاربر است. پس از پیادهسازی و قرار گرفتن مدل به صورت آزمایشگاهی بر روی سرور داخلی دانشگاه بزرگمهر قاین، مدل توسط جمعی از دانشجویان کارشناسی نرمافزار کامپیوتر این دانشگاه مورد ارزیابی قرار گرفت، که در مجموع دقت سامانه 79% ارزیابی شد.
کلمات کلیدی :
سیستمهای توصیهگر، مدل زبانی ، BERT ، پردازش زبان طبیعی
سیستمهای توصیهگر، مدل زبانی ، BERT ، پردازش زبان طبیعی
-
885
-
245
-
1401/07/25
-
1401/07/30
-
1401/08/08