انجمن کامپیوتر ایران

در قرن حاضر شاهد تولید روزافزون فیلم‌های سینمایی مختلف در دسته‌بندی و ژانرهای متفاوت هستیم. بسیاری از این تولیدات خارج از ارزش‌هایی است که متناسب با مقتضیات سنی یک کودک یا نوجوان باشد. بسیاری از والدین نگران فرزندان خود در مواجه با این تولیدات هستند. بنابراین، طبقه‌بندی صحیح فیلم می‌تواند راهنمای مناسبی برای والدین باشد. در حال حاضر سیستم‌های موجود دسته‌بندی و پیشنهادگر فیلم، عوامل کمی و ... را در نظر می‌گیرند توجه کمتری به محتوای فیلم دارند. هدف از این تحقیق استفاده از روش‌های بازیابی اطلاعات برای شناسایی موضوع، ژانر و طبقه‌بندی سنی فیلم‌ها براساس متن آن‌ها است. به‌گونه‌ای که بتوان از این دانش در توصیه فیلم،‌ با توجه به محتوای فیلم و رده‌سنی کاربر بهره گرفت. در این پژوهش از روش‌ مدلسازی موضوعی (LDA) استفاده شده است که با استفاده از کشف روابط پنهان بین واژگان، موضوعات اسناد و درصد مشارکت هر موضوع در هر سند را مشخص می‌کند. از LDA علاوه بر خوشه‌بندی اسناد، برای استخراج ویژگی‌های اسناد استفاده شده‌است، که منجر به کاهش ابعاد داده‌ها نسبت به روشهای دیگر نمایش کلمات (word embedding) می‌شود. کاهش ابعاد داده، موجب بهبود عملکرد مدلهای یادگیری ماشین می‎‌شود. نتایج پیاده سازی نشان می‌دهد که روش پیشنهادی با دقت 93% توانایی تشخیص رده‌سنی کاربر دارد و با دقت 89% در تشخیص ژانر موفق عمل می‌کند.