به گزارش «روابط‌ عمومی پژوهشگاه علوم و فناوری اطلاعات ایران» طرح پژوهشی «طراحی روشی هوشمند برای پیشنهاد مستندات علمی به زبان فارسی در پایگاه اطلاعات علمی ایران (گنج) بر پایه سیستم‌های پیشنهاددهنده محتوامحور» توسط دکتر مرضیه زرین‌بال، عضو هیئت علمی پژوهشکده فناوری اطلاعات به پایان رسید.

سیستم­‌های پیشنهاددهنده سیستم­‌هایی هستند که با ارائه پیشنهادهای متناسب با نیاز کاربر به او در تصمیم‌­گیری کمک می‌کنند. نیازهای کاربر با کمک روش‌های مختلفی نظیر بهره‌گیری از عبارت پرس­و­جوی کاربر، تحلیل سند منتخب کاربر، و یا تحلیل رفتار کاربر و یا کاربران مشابه استخراج می‌­شود. انواع مختلفی از سیستم‌­های پیشنهاددهنده وجود دارند و دو نوع سیستم‌های پیشنهاددهنده محتوامحور و سیستم‌های پیشنهاددهنده همکارانه در موارد بسیاری بکارگرفته شده­‌اند. در سیستم‌­های محتوامحور، نتایج جستجوی کاربر بازیابی شده و بر اساس ویژگی­‌های مورد منتخب کاربر، مواردی به او پیشنهاد می‌­شود که با آن ویژگی‌ها همخوانی یا شباهت داشته باشد. در این طرح پژوهشی تلاش شده تا چنین قابلیتی برای سامانه گنج طراحی شود به‌ گونه‌ای که با تحلیل سند منتخب کاربر و استخراج نیازهای اطلاعاتی ضمنی او، اسناد مشابه به کاربر پیشنهاد شود. بر این اساس، این پژوهش در دو مرحله اصلی انجام شده است، ابتدا ادبیات سیستم‌های پیشنهاددهنده با تمرکز بر سیستم‌های محتوامحور مطالعه و ویژگی­‌ها و مشخصات آنها بررسی و سپس رویکرد مناسب برای طراحی سیستم پیشنهاددهنده محتوامحور اسناد فارسی پیشنهاد و الگوریتم آن در قالب زبان برنامه‌­نویسی Python پیاده­ سازی شده است. برای پیاده‌سازی از روش SBERT، یکی از زیرمجموعه‌های روش BERT با بازنمایی در سطح ریزدانگی پاراگراف، و مدل paraphrase-multilingual-mpnet-base-v2 استفاده شده است. برای ارزیابی نیز دو مجموعه داده با بیش از 34‌هزار داده و معیارهای دقت، بازیابی و F-Measure بکار گرفته شده است. نتایج نشان داده که مدل پیشنهادی با دقتی بیشتر از 61 درصد نتایجی مرتبط با سند کاربر را به او پیشنهاد داده و معیار بازیابی برای روش پیشنهادی 71 درصد است. همچنین تقریبا 70 درصد پیشنهادها به پیشنهادهای واقعی نزدیک بوده‌اند.