دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 2 4 2022 10 30 Designing a recommender system for Persian and English articles using the BERT language model, focusing on article abstract, title and keywords طراحی سیستم توصیه‌گر مقالات فارسی و انگلیسی به کمک مدل زبانی BERT با تمرکز بر چکیده مقاله، عنوان و کلمات کلیدی 79 91 10.22051/jera.2021.31891.2698 FA احسان دانشجو محمدعلی استادیار دانشگاه جامع امام حسین (ع) علی پژوهشگر دانشگاه جامع امام حسین (ع) 2022 10 17 Two factors of the rapid growth of various sciences in recent years and the growth and spread of the global Internet network have caused several thousand articles in various fields to be published on the Internet every day, and become available to everyone. This problem creates a challenge for the specialists of different sciences, because they have to look for their interests and scientific field in a large number of published articles so that they can always remain an expert. In this research, for the first time, we intend to introduce a recommender system that suggests suitable articles to Persian language users according to their interests. The purpose of this research is to provide basic research for this category of issues in Persian language, to be a starting point for other researchers. In this study, we want to propose articles based on the semantic similarity of the title, abstract and keywords of the article (with appropriate weighting) with the user's academic records. After the implementation and placement of the model as a pilot on the internet platform. A group of undergraduate students evaluated the model's computer software, and the overall accuracy of the system was evaluated at 79%. 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. /downloadfilepdf/829664