university recommendation system
1.0.0
Di internet saat ini, informasi yang meluap -luap dapat diakses, menyulitkan pengguna untuk membuat pilihan yang tepat. Fenomena ini dikenal sebagai kelebihan informasi. Algoritma penyaringan kolaboratif (CF) adalah teknik yang paling umum digunakan dalam sistem rekomendasi (RS) untuk penyaringan informasi, adalah jawaban untuk masalah kelebihan informasi. Itu memanfaatkan peringkat yang ditetapkan pengguna untuk item yang memainkan peran penting dalam e-commerce untuk membantu pengguna dalam memilih item yang menarik minat mereka. Untuk data besar dan kompleks, penyaringan kolaboratif multi-kriteria (MC-CF) sering memberikan rekomendasi kinerja yang lebih baik, akurat dan berkualitas tinggi untuk pengguna yang mempertimbangkan beberapa aspek item. Algoritma CF perlu terus diperbarui karena peningkatan konstan dalam jumlah informasi, cara akses ke informasi, skalabilitas, dan jarangnya dalam matriks peringkat. Teknik reduksi dimensi seperti: faktorisasi matriks dan teknik faktorisasi tensor telah terbukti menjadi solusi yang cukup menjanjikan untuk masalah merancang algoritma CF yang efisien di era Big Data.
Pekerjaan ini bertujuan untuk menawarkan sistem rekomendasi universitas untuk memberikan rekomendasi universitas/perguruan tinggi kepada siswa yang menggabungkan teknik penyaringan kolaboratif dan pengurangan dimensi multi-kriteria untuk memberikan rekomendasi universitas/perguruan tinggi berkualitas tinggi kepada siswa. Solusi yang diusulkan tidak hanya mengurangi biaya perhitungan tetapi juga meningkatkan akurasi dan efisiensi algoritma MC-CF yang diimplementasikan menggunakan kerangka kerja Apache Mahout. Dengan memanfaatkan Mahout API, waktu respons algoritma secara signifikan meningkat.
Halaman Beranda 
Halaman login 
Halaman pencarian 
Halaman Rekomendasi 
Halaman ulasan 
