11041

بررسي الگوريتم هاي يادگيري تقويتي براي سيستم هاي توصيه گر

1400-1401

جناب آقاي دكتر محمدرضا رسولي

اهميت سيستم هاي توصيه گر بر كسي پوشيده نيست. اين سيستم ها در دنيا در بخش هاي مختلف، از كسب و كارهاي اينترنتي تا حوزه ي سلامت مورد استفاده قرار مي گيرند. از اين رو اين سيستم ها چه در بعد پژوهشي و چه در بعد كاربردي و عملياتي به طور گسترده مورد توجه پژوهشگران قرار گرفته اند. براي ساخت و توسعه ي مدل هاي سامانه هاي توصيه گر از روش ها و تكنيك هاي مختلفي استفاده ميشود. يكي از اين روش ها كه از اهميت ويژه اي برخوردار است، يادگيري تقويتي است. يادگيري تقويتي يكي از زيرشاخه هاي دانش هوش مصنوعي است كه امروزه بيش از پيش به محققان در پاسخگويي به مشكلات موجود در بخش هاي مختلف كمك ميكند. از اين رو بررسي ،دسته بندي و مقايسه انواع مدل هاي يادگيري تقويتي در طراحي و مدلسازي سامانه هاي توصيه گر شايسته توجه و مطالعه بيشتري است . در اين پژوهش به بررسي سيستم هاي توصيه گر مبتني بر الگوريتم هاي يادگيري تقويتي ميپردازيم و پس از مرور مفاهيم پايه در فصل دوم، مقالات مطالعه شده را بر مبناي اين الگوريتم ها دسته بندي كرده و به شرح هريك ميپردازيم و در فصل چهارم نيز پس از بحث و نتيجه گيري، شكاف تحقيقاتي و مسائل بازي كه نيازمند توجه بيشتري در آينده از جانب محققان هستند را بررسي ميكنيم.

2/5/2022 12:00:00 AM

75722

1401/06/05

Reinforcement Learning based Recommender Systems

سيستم هاي توصيه گر , يادگيري تقويتي , يادگيري تقويتي در سيستم هاي توصيه گر

recommender systems , Reinforcement Learning , recommendation system