با توسعه سریع فناوری اطلاعات، حجم داده‌ها روزبه روز در حال افزایش است و این موضوع منجر به چالش های جدی در پیداکردن اطلاعات درست و مناسب برای کاربران اینترنت می‌شود. برای رفع این مشکل، انواع سیستم‌های توصیه‌گر برای تحلیل داده‌های سابقه رفتاری کاربران و ارائه خدمات شخصی برای بهبود تجربه‌ها و بررسی نظر‌های مشتریان در بسیاری از زمینه‌ها ایجاد شده‌اند. با توجه به اهمیت و کاربردهای گسترده توصیه POI، این موضوع هم در تحقیقات آکادمیک و هم در صنعت در کانون توجه قرار گرفته است. با این حال، فناوری‌های سنتی مانند فیلترینگ مشارکتی با چالش کمبود داده ها محدود شده اند‌ و همچنین بسیاری از روش‌های قدیمی‌تر برای استخراج و توصیه POI طراحی نشده اند، بنابراین نمی‌توانند خصوصیات منحصر به فردی را که تأثیرات زیادی بر روابط توصیه POI دارد، استخراج کنند. در سال‌های اخیر الگوریتم‎های مختلفی از حوزه یادگیری عمیق برای توصیه‌های POI مورد توجه محققین بوده است. در این تحقیق، کارهای تحقیقاتی و مدل های ارائه شده در زمینه توصیه POI به کمک یادگیری عمیق مورد مطالعه قرار گرفته و همچنین نتایج به دست آمده از نظر الگوریتم‌های یادگیری عمیق استفاده شده، مجموعه داده‌های مورد استفاده، معیارهای ارزیابی و ابزارهای پیاده سازی مورد بررسی و تحلیل قرار گرفته‌اند. تفاصيل المقالة