Elm və Təhsil Nazirliyinin İnformasiya Texnologiyaları İnstitutunun baş elmi işçisi dosent Fərqanə Abdullayevanın və institutun dissertantı Süleyman Süleymanzadənin həmmüəllifi olduqları “Tövsiyə sistemləri üçün çoxetiketli dərin neyron şəbəkələrində dinamik əlamətlərin genişlənməsi üçün transfer adaptasiyası təliminin tətbiqi” (“Using Transfer Adaptation Method for Dynamic Features Expansion in Multi-label Deep Neural Network for Recommender Systems”) adlı məqalə “Statistics, Optimization and Information Computing” jurnalında çap olunub.

TED.az xəbər verir ki, məqalədə informasiya axtarışı sistemlərinin əsas bloklarından biri olan tövsiyə sistemlərində sorğuların çoxetiketli klassifikasiyasını həyata keçirmək üçün yeni yanaşma işlənilib. Təklif edilən model tövsiyənin performansını optimallaşdırmaq üçün öz strukturunu və parametrlərini dinamik şəkildə adaptasiya edir və dəyişdirir. Sistemə yeni verilənlər, sorğular daxil olduqca model arxitekturasını və çəkilərini özü adaptiv olaraq sazlaya bilir. Çevik adaptivlik xüsusiyyətinin olması sayəsində model tövsiyə sistemlərinin təkmilləşdirilməsinə və daha dəqiq, fərdiləşdirilmiş tövsiyələr verməsinə imkan yaradır. Bu xüsusiyyət tövsiyə sistemlərini e-ticarət platformaları, internetin üzərindən video, audio və s. kimi axınlar ötürən xidmətlər və sosial media kimi böyük, dinamik mühitlərdə xüsusilə faydalı edir.

“Statistics, Optimization and Information Computing” jurnalı “Scopus” bazasında indeksləşir və aşağıdakı elmmetrik göstəricilərə malikdir.