حمیدرضا کوهی - استادیار گروه مهندسی کامپیوتر، دانشگاه شمال، آمل
عماد محمودی - استاد مشاور، دانشگاه فردوسی، مشهد
مهدی مهربان - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه شمال، آمل

از ابتدای همین قرن و با گسترش روزافزون شبکه ی جهانی وب ما با حجم عظیمی از اطلاعات درگیر شده ایم به عنوان مثال درگذشته وقتی قصد خرید کتابی داشتیم به یک کتابفروشی رفته و از بین کتابهای آنکه معمولاً بیش از چند صد جلد نمیشد کتاب موردنظر خود را انتخاب میکردیم اما اکنون وقتی برای خرید کتاب در اینترنت به جستجو می پردازیم با میلیونها انتخاب روبه رو می شوید و انتخاب بهتر گزینه در این حالت همواره مشکل خواد بود، سیستمهای توصیه گر برای حل این مسئله به وجود آمده اند اما با توجه به حجم وسیع دیتاهایی که هر دقیقه در دنیای وب ایجاد میشود همواره نیازمند روش هایی هستیم که بتواند کارایی این سیستم ها را افزایش دهد ما در این مقاله با ارائه روشی بر پایه یادگیری عمیق به کاهش ابعاد پرداخته و از خروجی حاصل از این روش در فرایند خوشه بندی استفاده نموده ایم و با روش های متداول کاهش ابعاد به مقایسه پرداختیم و کارایی روش پیشنهادی خودمان را بر اساس معیارهای صحت ، دقت و فراخوانی مورد سنجش قرار داده ایم امید است که با این ارائه این روش قدم کوچکی در توسعه پایدار ایران برداریم.

سیستم های توصیه گر، کاهش ابعاد، یادگیری عمیق، فیلترینگ همکارانه، رمزنگار خودکار