Téléchargement university recommendation system - Téléchargement du code source university recommendation system

university recommendation system

Autres catégories

1.0.0

Télécharger

Système de recommandation universitaire

Sur Internet aujourd'hui, une surabondance d'informations est accessible, ce qui rend difficile pour les utilisateurs de faire des choix appropriés. Ce phénomène est connu sous le nom de surcharge d'informations. Les algorithmes de filtrage collaboratif (CF) sont la technique le plus couramment utilisé dans les systèmes de recommandation (RS) pour le filtrage d'informations, est une réponse au problème de la surcharge d'informations. Il utilise des notes que l'utilisateur a attribuées aux éléments qui jouent un rôle important dans le commerce électronique pour aider les utilisateurs à choisir les éléments de leur intérêt. Pour les données grandes et complexes, le filtrage collaboratif multi-critères (MC-CF) offre fréquemment de meilleures recommandations de performances, précises et de haute qualité pour les utilisateurs qui envisagent plusieurs aspects de l'article. Les algorithmes CF doivent être mis à jour en permanence en raison d'une augmentation constante de la quantité d'informations, des moyens d'accès à cette information, de l'évolutivité et de la rareté de la matrice de notation. Les techniques de réduction de la dimensionnalité comme: les techniques de factorisation de la matrice et de factorisation des tenseurs se sont révélées être une solution assez prometteuse au problème de la conception de l'algorithme CF efficace dans l'ère du Big Data.

Ce travail vise à offrir un système de recommandation universitaire pour fournir des recommandations universitaires / collèges aux étudiants qui combinent une technique de filtrage et de réduction de la dimensionnalité collaborative multi-critères pour fournir une recommandation universitaire / collège de haute qualité aux étudiants. La solution proposée réduit non seulement le coût de calcul, mais augmente également la précision et l'efficacité des algorithmes MC-CF implémentés à l'aide du cadre Apache Mahout. En utilisant les API Mahout, le temps de réponse de l'algorithme a été considérablement amélioré.