university recommendation system
1.0.0
على الإنترنت اليوم ، يمكن الوصول إلى وفرة من المعلومات ، مما يجعل من الصعب على المستخدمين اتخاذ الخيارات المناسبة. تُعرف هذه الظاهرة باسم الحمل الزائد للمعلومات. تعد خوارزميات التصفية التعاونية (CF) الأكثر شيوعًا في أنظمة التوصية (RS) لتصفية المعلومات ، وهي إجابة لمشكلة الحمل الزائد للمعلومات. يستفيد من التصنيفات التي خصصها المستخدم للعناصر التي تلعب دورًا مهمًا في التجارة الإلكترونية لمساعدة المستخدمين في اختيار العناصر المثيرة للاهتمام. بالنسبة للبيانات الكبيرة والمعقدة ، فإن التصفية التعاونية متعددة المعايير (MC-CF) في كثير من الأحيان تقدم أداءً أفضل وتوصيات دقيقة وعالية الجودة للمستخدمين الذين يعتبرون جوانب متعددة من العناصر. يجب تحديث خوارزميات CF بشكل مستمر بسبب زيادة مستمرة في كمية المعلومات ، وطرق الوصول إلى تلك المعلومات ، وقابلية التوسع ، والتفاؤل في مصفوفة التصنيف. أثبتت تقنيات الحد من الأبعاد مثل: عوامل المصفوفة وتقنيات معاملات التوتر أنها حل واعد تمامًا لمشكلة تصميم خوارزمية CF الفعالة في عصر البيانات الضخمة.
يهدف هذا العمل إلى تقديم نظام توصيات جامعية لتوفير توصية الجامعة/الكلية للطلاب الذي يجمع بين تقنية التصفية التعاونية متعددة المعايير وتقليل الأبعاد لتوفير توصية جامعية/جامعية عالية الجودة للطلاب. لا يقلل الحل المقترح من تكلفة الحساب فحسب ، بل يزيد أيضًا من دقة وكفاءة خوارزميات MC-CF التي تم تنفيذها باستخدام إطار عمل Apache Mahout. من خلال استخدام Mahout API ، تم تحسين وقت استجابة الخوارزمية بشكل كبير.
الصفحة الرئيسية 
صفحة تسجيل الدخول 
صفحة البحث 
صفحة التوصيات 
صفحة المراجعة 
