university recommendation system
1.0.0
今日のインターネットでは、多くの情報にアクセスできるため、ユーザーが適切な選択をすることが困難になります。この現象は、情報の過負荷として知られています。共同フィルタリング（CF）アルゴリズムは、情報フィルタリングのために推奨システム（RS）で最も一般的に使用されている手法であり、情報の過負荷の問題に対する答えです。ユーザーがeコマースで重要な役割を果たすアイテムに割り当てられた評価を利用して、ユーザーが関心のあるアイテムを選択するのを支援します。大規模で複雑なデータの場合、マルチ基準コラボレーションフィルタリング（MCF）は、アイテムの複数の側面を考慮してユーザーにパフォーマンス、正確で高品質の推奨事項を頻繁に提供します。 CFアルゴリズムは、情報の量、その情報へのアクセス方法、評価マトリックスのスパース性、スパース性の量が絶えず増加するため、継続的に更新する必要があります。次の寸法削減手法：マトリックス因数分解とテンソル因数分解技術は、ビッグデータ時代に効率的なCFアルゴリズムを設計する問題に対する非常に有望な解決策であることが証明されています。
この作業の目的は、大学/大学の推奨システムを提供することを目的としており、大学/大学の推奨を学生に提供します。これは、学生に高品質の大学/大学の推薦を提供するために、多基準の共同フィルタリングと次元削減技術を組み合わせたものです。提案されたソリューションは、計算コストを削減するだけでなく、Apache Mahoutフレームワークを使用して実装されたMC-CFアルゴリズムの精度と効率を向上させます。 Mahout APIを使用することにより、アルゴリズムの応答時間が大幅に改善されました。
ホームページ
ログインページ
検索ページ
推奨ページ
ページを確認します
