university recommendation system
1.0.0
오늘날 인터넷에서는 많은 정보에 액세스 할 수 있으므로 사용자가 적절한 선택을하기가 어렵습니다. 이 현상은 정보 과부하로 알려져 있습니다. CF (Collaborative Filtering) 알고리즘 정보 필터링을 위해 추천 시스템 (RS)에서 가장 일반적으로 사용되는 기술은 정보 과부하 문제에 대한 답입니다. 사용자가 전자 상거래에서 중요한 역할을하는 항목에 할당 한 등급을 사용하여 사용자가 관심있는 항목을 선택할 수 있도록 도와줍니다. 크고 복잡한 데이터의 경우 MC-CF (Multi-Criteria Collaborative Filtering)는 품목의 여러 측면을 고려하는 사용자에게 더 나은 성능, 정확하고 고품질 권장 사항을 제공합니다. CF 알고리즘은 정보 수량의 지속적인 증가, 해당 정보에 대한 액세스 방법, 확장 성 및 등급 매트릭스의 희소성으로 인해 지속적으로 업데이트되어야합니다. 차원 감소 기술 : 매트릭스 인수 화 및 텐서 인수 화 기술은 빅 데이터 시대에 효율적인 CF 알고리즘을 설계하는 문제에 대한 매우 유망한 솔루션으로 입증되었습니다.
이 작업은 다중 기준 협업 필터링 및 차원 축소 기술을 결합하여 학생들에게 고품질 대학/대학 추천을 제공하는 학생들에게 대학/대학 추천을 제공하는 대학 추천 시스템을 제공하는 것을 목표로합니다. 제안 된 솔루션은 계산 비용을 줄일뿐만 아니라 Apache Mahout 프레임 워크를 사용하여 구현 된 MC-CF 알고리즘의 정확성과 효율성을 증가시킵니다. Mahout API를 사용하여 알고리즘의 응답 시간이 크게 향상되었습니다.
홈페이지 
로그인 페이지 
검색 페이지 
추천 페이지 
검토 페이지 
