بهینه سازی سیستم های پیشنهادگر ترکیبی مقاله های پژوهشی در محیط چند زبانه

امروزه گسترش و رشد روز افزون اطلاعات در فضای مجازی و با افزایش حجم متون پژوهشی در سال های اخیر کاربران را با این مشکل مواجه نموده است که چگونه مقاله پژوهشی مورد نظر خود را به راحتی و با صرف کمترین زمان ممکن بیابند.در این میان سیستم های پیشنهادگر با هدف تسهیل و یاری رساندن به کاربران در زمینه انتخاب و یافتن مقاله پژوهشی مورد نیاز ایشان با استفاده از روشهای مبتنی بر داده کاوی متنی، ایجاد و توسعه یافته اند. سیستم های پیشنهاد گر رویکردی است که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارایه شده است و به کاربران خود کمک میکند تا در میان حجم عظیم اطلاعات سریعتر به هدف خود نزدیک شوند وتوانایی تحلیل رفتارهای گذشته و ارایه توصیه هایی برای مسایل جاری را دارا هستند. سیستم های پیشنهادگر شامل سیستم های مبتنی بر متن، مبتنی بر پالایش جمعی و مبتنی بر دانش می باشد. سیستم های پیشنهادگر ترکیبی از مجموعه ای از روش های ذکر شده برای افزایش دقت خروجی استفاده می نمایند.بنابراین سیستم های پیشنهادگر مقاله های پزوهشی کاربرد فراوانی در محیط های آموزشی و تحقیقاتی پیدا نموده اند.در این مقاله یک سیستم پیشنهادگر ترکیبی برای پیشنهاد مقاله های پژوهشی در محیط چند زبانه فارسی – انگلیسی طراحی و پیاده سازی شده است.سیستم پیشنهادگر ارایه شده ابتدا با استفاده از پیداکردن مطالب مرتبط با یک مقاله و تعیین کاربران هم فکر و هم نظر به ارایه پیشنهاد به کاربران می پردازد.نتایج شبیه سازی نشان می دهد که سیستم ارایه شده توانسته است با دقت بالا یک سیستم توصیه گر چند زبانه را ارایه نمایید.