جامعة بابل
المجلات
الكليات
المراكز
الحوكمة الالكترونية
English
جامعة بابل
الكليات
المراكز
المجلات
الحوكمة الالكترونية
English
جامعة بابل
University of Babylon
نظام الرسائل والاطاريح الجامعية/ المكتبة المركزية
الرئيسية
تصفح الاحدث
دليل الايداع
محرك البحث
أدارة الايداع
دخول طلاب الدراسات
دخول موظفي التدقيق
ملف الرسالة/الاطروحة كامل (PDF)
مشاهدة
ملف الخلاصة عربي/ انكليزي (PDF)
لايوجد ملف
ملفات اخرى (PDF)
لايوجد ملف
العنوان باللغة العربية
منصة الرسائل والاطاريح: اقتراح نظام توصية المطاعم على اساس التغذية الراجعة الضمنية لصور الطعام باستخدام شبكة التفاف الرسوم البيانية الخفيفة - جامعة بابل
العنوان باللغة الانكليزية
Proposing a Restaurants Recommender System based on Implicit Feedback of Food Photos using Light Graph Convolution Network
اسم الطالب باللغتين
مصطفى سليم منجي مهدي
-
Mustafa Saleem Manji Mahdi
اسم المشرف باللغتين
.د وضاح رزوقي عبود حسن بيعي
--
Dr. Wadhah Razooqi Baiee
الخلاصة
القرارات الغذائية هي المؤشرات الرئيسية للسمنة وانسداد الشرايين وأمراض القلب. لا يمكن لمتخصصي الرعاية الصحية البشرية ، أن يكونوا دائمًا بجانب كل مستخدم ، لتوجيههم يدويًا نحو الخيارات المثلى. الإرشادات التكيفية المؤتمتة جنبًا إلى جنب مع معرفة الخبراء بإمكانية توسيع نطاق المشورة الصحية تقنيًا دون تدخل بشري. تركز هذه الرسالة على توصية المستخدمين بأفضل المطاعم ؛ اعتمادا على معلومات المستخدمين. يحلل النظام المقترح صور الطعام للمطعم لاستخراج معلومات غذائية جديدة ويحسن دقة تنبؤ المطاعم اعتمادًا على حقائق التغذية. تقدم الرسالة تقنيات الشبكة العصبية (CNN) Convolutional Neural Network لتحليل صور الطعام لاستخراج قائمة مكونات أطباق الوجبات. تُستخدم المكونات المستخرجة من الصور لحساب المعلومات الغذائية لكل وجبة. يتم دمج الميزات الكامنة المستخرجة من الصور مع معلومات المستخدمين الآخرى لبناء مصفوفة تقييم جديدة مقترحه للتحقق من تشابه المطاعم مع جيرانهم. ثم يختار النظام مجموعة أقرب المطاعم للتوصية بتفضيلات مماثلة للمستخدم الحالي. وبالتالي ، تم اعتماد نظام ترشيح تعاوني للتوصية في هذا العمل. يتم تقييم النظام من خلال Recall و (NDCG) Normalized Discounted Cumulative Gain للمطاعم الموصى بها لجميع المستخدمين خلال فترة مجموعة التدريب ومقارنتها بالفترة الأخيرة لتفضيلات المستخدم كمجموعة اختبار. تتراوح قيم ال Recall بين [1٪ -97٪] ، والمتوسط 47٪ ، بينما تتراوح قيم NDCG بين [23٪ -50٪] و 33٪ للنظام بأكمله .يتم عمل جميع التجارب على مجموعة بيانات Yelp التي تم استخدامها كقاعدة بيانات أساسية في نظامنا المقترح.
الفئة
المجموعة الهندسية
الاختصاص باللغة العربية
الاختصاص باللغة الانكليزية
السنة الدراسية
2022
لغة الرسالة/الاطروحة
اللغة الانكليزية
الشهادة
ماجستير
رابط موقع (doi)
Open access
نعم