|
عنوان
|
سیستم توصیه گر غذا مبتنی بر ذائقه ی کاربر با استفاده از یادگیری عمیق
|
|
نوع پژوهش
|
مقاله ارائه شده
|
|
کلیدواژه‌ها
|
سیستم توصیه گر، توصیه گر غذا، ذائقه ی کاربر، یادگیری عمیق، یادگیری ماشین، داده کاوی
|
|
چکیده
|
تنوع بسیار زیاد غذاها و همچنین وجود ذائقه های غذایی متفاوت بین افراد، انتخاب غذای مناسبِ مطابق با ذائقه غذایی افراد برای وعده های غذایی متفاوت را تبدیل به کاری دشوار کرده است. از این رو، امروزه نیاز به سیستمی برای توصیه و انتخاب غذای مناسب بر اساس این معیارها رفته رفته بیش از پیش احساس می شود. انتظار می رود یک سیستم هوشمند با ایجاد مدلی بر اساس ذائقه ی کاربر، با توجه به انتخاب ها و امتیازهای قبلی او، غذای مناسبی را برای او توصیه کند. در این پژوهش، یک سیستم توصیه گر غذا با استفاده از ویژگی های مختص هر کاربر، غذاهای موجود با خصوصیات مختلف از قبیل ارزش غذایی و با بهره گیری از روش یادگیری عمیق در حوزه ی یادگیری ماشین ارائه شده است. بر اساس مطالعات انجام شده، رویکرد پیشنهادی مبتنی بر یادگیری عمیق تاکنون در این حوزه بکار گرفته نشده است. همچنین ترکیب ویژگی های استفاده شده در سامانه ی پیشنهادی، در نتیجه ی بررسی های دقیق انجام شده در این پژوهش استخراج شده و استفاده شده اند. آزمایش های عملی که بر روی مجموعه داده ی استاندارد و قابل دسترس انجام شده است، نشان از کارائی مناسب سیستم پیشنهادی دارند و برتری آن نسبت به روش های قبلی را تائید می کنند.
|
|
پژوهشگران
|
سعید حمدالهی اسکوئی (نفر اول)، مهدی هاشم زاده (نفر دوم)
|