فهرست نشریات علمی دسترسی آزاد ایران

امروزه میزان و اهمیت داده‌های موجود در اینترنت به طور تصاعدی در حال افزایش است که انتخاب یک گزینه مطلوب از بین گزینه‌های بسیار زیاد می‌تواند خسته کننده و وقت‌گیر باشد. هدف سامانه‌های پیشنهاددِه، این است که این فرآیند را با یافتن آیتم‌های مناسبی که بیشتر مورد علاقه کاربران هستند، تسهیل کنند. تکنیک‌های پیشنهادی سامانه‌های پیشنهاددِه موجود از مشکلات رایجی مانند پراکندگی داده، شروع سرد و مشکلات کاربران جدید رنج می‌برند. در این مقاله تمرکز اصلی بر استفاده از اطلاعات دامنه‌های دیگر برای ایجاد سامانه‌های پیشنهاددِه دامنه متقابل است. سامانه‌های پیشنهاددِه دامنه متقابل می‌توانند موقعیت‌های شروع سرد و کاربران جدید را به خوبی مدیریت کنند، در این مقاله ابتدا مدلی بر پایه شبکه‌های عصبی گرافی، الگوی تعاملات کاربران و آیتم‌ها را در هر دامنه به صورت مستقل کشف می‌کند و در گام بعد یک شبکه عصبی بازنمایی بدست آمده برای کاربران شروع سرد را از دامنه مبدأ به دامنه هدف منتقل می‌کند. نتایج نشان می‌دهد مدل پیشنهادی در مقایسه با سایر مدل‌ها عملکرد بهتری برای رتبه‌بندی آیتم‌ها دارد.