طراحي يك سيستم توصيه گر تركيبي معنايي با استفاده از تكنيك هاي پردازش زبان طبيعي فارسي

با افزایش سریع اطلاعات، به سیستمی توصیه گر كه با دادن پیشنهادات مناسب با علایق یك كاربر بر اساس پیشینه ی عملكرد او، وی را از صرف وقت در مرور تمام آیتم ها باز دارد، به شدت احساس نیاز می شود. سیستم توصیه گر با تحلیل رفتار كاربر خود، اقدام به پیشنهاد مناسب ترین اقلام به وی می نماید. حوزه ی مفاهیم موجود در بسیاری از سیستم های توصیه گر فعلی، محدود به دانش موجود در خود سیستم بوده و از منابع عظیم دانش خارج از سیستم، مانند وب معنایی و داده های پیوندی استفاده نمی شود. در این مقاله سیستم توصیه گر تركیبی ای معرفی شده است كه از مفاهیم و روابط موجود بین آنها در پایگاه های خارجی از خود استفاده می كند. در نتیجه یكی از قسمت های اصلی سیستم پپیشنهادی، استخراج مفاهیمم از آیتم ها و رفتار كاربران می باشد؛ كه این كار با تكنیك های پردازش زبان طبیعی مانند ریشه یابی كلمات كلیدی آیتم ها میسر می باشد. همچنین در سیستم پیشنهادی از نگاشت معنایی بدست آمده، به شبكه واژگان فردوس نت استفاده شده است. با این كار به دلیل گسترش معنایی مجموعه كلمات كلیدی و ویژگی های آیتم ها، صحت توصیه ها افزایش خواهد یافت. در پایان نیز با استفاده از حدود 81 هزار كتاب دسته بندی شده استخراجی از سایت Acm و میلیون ها نرخی كه هزاران كاربر به یك میلیون مقاله/كتاب موجود در مجموعه دادهEpinions داده اند، نشان داده خواهد شد كه مشكل "شروع آهسته" تا حد زیادی قابل حل می باشد.