university recommendation system
1.0.0
Hoje, na Internet, uma superabundância de informações pode ser acessada, dificultando os usuários a fazer escolhas apropriadas. Esse fenômeno é conhecido como sobrecarga de informações. Os algoritmos de filtragem colaborativa (CF) são a técnica mais usada em sistemas de recomendação (RS) para filtragem de informações, é uma resposta para o problema da sobrecarga de informações. Faz uso de classificações que o usuário atribuiu aos itens que desempenham um papel importante no comércio eletrônico para ajudar os usuários a escolher itens de seu interesse. Para dados grandes e complexos, a filtragem colaborativa de vários critérios (MC-CF) freqüentemente oferece melhor desempenho, recomendações precisas e de alta qualidade para os usuários, considerando vários aspectos do item. Os algoritmos de CF precisam ser atualizados continuamente devido a um aumento constante na quantidade de informações, formas de acesso a essas informações, escalabilidade e escassez na matriz de classificação. Técnicas de redução de dimensionalidade como: as técnicas de fatorização da matriz e fatorização tensoras provaram ser uma solução bastante promissora para o problema de projetar algoritmo de CF eficiente na era do big data.
Este trabalho tem como objetivo oferecer um sistema de recomendação da universidade para fornecer recomendações de universidades/faculdades a estudantes que combinam a técnica de filtragem colaborativa e dimensionalidade de vários critérios para fornecer recomendações de alta qualidade para os alunos. A solução proposta não apenas reduz o custo de computação, mas também aumenta a precisão e a eficiência dos algoritmos MC-CF implementados usando a estrutura Apache Mahout. Ao utilizar as APIs do MAHOUT, o tempo de resposta do algoritmo foi significativamente melhorado.
Página inicial 
Página de login 
Página de pesquisa 
Página de recomendações 
Página de revisão 
