پروپوزال یک رویکرد مبتنی بر شبکه عصبی عمیق در سیستم های توصیه گر تگ جهت غلبه بر شروع سرد کاربران

پروپوزال یک رویکرد مبتنی بر شبکه عصبی عمیق در سیستم های توصیه گر تگ جهت غلبه بر شروع سرد کاربران

موضوع اصلی این پروپوزال ” یک رویکرد مبتنی بر شبکه عصبی عمیق در سیستم های توصیه گر تگ جهت غلبه بر شروع سرد کاربران” است. تعداد صفحات پروپوزال 43 صفحه با رعایت قالب استاندارد فرم دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است.

بخشی از بیان مسئله تحقیق:

برچسب­زدن یکی از کاراترین روش‌‌های مرتبط­سازی متادیتا با اشیاء (به عنوان مثال، ویدیوها، متون) در برنامه‌‌های وب 2.0 ظهور کرده است. درمقابل کلمات کلیدی دلخواه انتساب داده شده به اشیاء توسط کاربران، برچسب‌‌ها یک روش ساده­تر، کم هزینه­تر و طبیعی­تر برای سازماندهی محتوا را نشان می‌‌دهند.

علاوه بر اینکه، مطالعات اخیر نشان داده است که از میان دیگر ویژگی‌‌های متنی مانند عنوان، نظرات کاربران و توضیحات، برچسب‌‌ها به منظور پشتیبانی از خدمات بازیابی اطلاعات مانند جستجو[1] طبقه­بندی خودکار[2] و توصیه محتوا[3] کارآمدتر می‌‌باشند. فرآیند برچسب­گذاری می‌‌تواند از یک سرویس پیشنهاد تگ استفاده کند. این نوع خدمات به کاربران این امکان رامی­دهند تا بعضی از برچسب‌‌های توصیه شده را انتخاب کرده و یا از موارد جدید استفاده کنند. پیشنهاد

سیستم‌‌های پیشنهاددهنده در زمینه­های مختلفی از جمله فیلم، موزیک، شبکه­های اجتماعی و غیره مورد استفاده قرار می­گیرند. هدف سیستم­های پیشنهاددهنده ارائه پیشنهادات جذاب به کاربران با توجه به عملکردشان در سیستم است. محبوبترین سیستم‌‌های پیشنهاددهنده مدل­های محتوا محور و روش­های فیلترینگ مشارکتی است. از مهمترین چالش­ها و مشکلات موجود در سیستم­های پیشنهاددهنده، چالش شروع سرد کاربران است.

تاکنون روش­های مختلفی همچون الگوریتم­های یادگیری ماشین، رویکردهای بهینه­سازی، متدهای آماری و غیره توسط سایر پژوهشگران در زمینه بهبود استراتژی بازاریابی اینترنتی و غلبه بر مشکل شروع سرد مطرح گردیده است که علیرغم کاربردهای فراوانی که داشته، همچنان نتوانسته مشکل شروع سرد را مرتفع نمایند. در این پژوهش مشکل شروع سرد کاربران با ارائه مدل توصیه مبتنی بر شبکه عصبی عمیق و با توجه به مسئله بهبود استراتژی بازاریابی اینترنتی (شبکه­ای) مورد بررسی قرار خواهد گرفت. در این پژوهش بروی دیتاست محبوب Movielens که مربوط به سال 2015 است، شبیه­سازی مربوطه انجام شده و ارزیابی‌‌های مورد نظر بروی روش‌‌های ارائه شده بروی این دیتاست مقایسه می گردد.

هدف پژوهش:

برخی از مهمترین اهداف این پژوهش به شرح ذیل است:

• ارائه یک سیستم برای پیشنهاددهنده مبتنی بر شبکه عصبی عمیق تگ جهت بهبود استراتژی بازاریابی اینترنتی

هدف اصلی و خروجی نهایی این نوشتار، یک سیستم توصیه­گر تگ برای محصولات از نوع می‌‌باشد که بر اساس اطلاعات اشیا و محصولات مختلف می‌‌تواند برای اشیا یکسری تگ توصیه شود. این تگ‌‌ها می‌‌توانند برای معرفی شدن اشیا به سیستم‌‌های بازیابی اطلاعات و موتورهای جستجوگر، کاربرد بسیار داشته باشند وهمچین باعث افزایش میزان فروش، بازدید و بهبود استراتژی بازاریابی اینترنتی شود.

• غلبه بر مشکل شروع سرد کاربران با استفاده از الگوریتم شبکه عصبی عمیق

سناریو شروع سرد یکی از مشکلاتی است که سیستم‌‌های توصیه­گر با آن مواجه می‌‌شوند. بنابراین هر سیستم پیشنهاددهنده باید به این مشکل بپردازد و راه­حلی مناسب در نظر بگیرد. یکی از اهداف فرعی این نوشتار پرداختن به مسئله شروع سرد و ارائه راه حل مناسب برای این مسئله می باشد.

امکانات اصلی این پروپوزال پس از خرید عبارتند از:

• امکان دانلود فایل Word پروپوزال
• امکان دانلود فایل Pdf پروپوزال

توجه:  در صورت نیاز به پایان نامه، سمینار، شبیه سازی و نگارش مقاله جدید مشابه با موضوع این پروپوزال کافیست با تیم پشتیبانی ما از طریق راه های ارتباطی مندرج در سایت ماکان تزیز تماس برقرار نمایید.