university recommendation system
1.0.0
В Интернете сегодня можно получить переизбыток информации, что затрудняет пользователям делать соответствующий выбор. Это явление известно как информационная перегрузка. Алгоритмы совместной фильтрации (CF) являются чаще всего используемые методики в Recural Systems (RS) для фильтрации информационной фильтрации, является ответом на проблему перегрузки информации. Он использует рейтинги, которые пользователь назначил предметам, которые играют важную роль в электронной коммерции, чтобы помочь пользователям в выборе предметов, представляющих интерес. Для больших и сложных данных многокритериальная совместная фильтрация (MC-CF) часто дает лучшую производительность, точные и высококачественные рекомендации для пользователей, рассматривающих множество аспектов элемента. Алгоритмы CF необходимо постоянно обновляться из -за постоянного увеличения количества информации, способов доступа к этой информации, масштабируемости и разреженности в рейтинговой матрице. Методы уменьшения размерности, такие как: методы факторизации матрицы и тензора факторизации оказались довольно многообещающим решением проблемы разработки эффективного алгоритма CF в эпоху больших данных.
Эта работа направлена на то, чтобы предлагать систему рекомендаций университета для предоставления рекомендации университета/колледжа студентам, которые объединяют методику многокритериальной совместной фильтрации и сокращения размеров для предоставления высококачественных рекомендаций университета/колледжа для студентов. Предложенное решение не только снижает стоимость вычисления, но также повышает точность и эффективность алгоритмов MC-CF, реализованных с использованием структуры Apache Mahout. Используя API Mahout, время отклика алгоритма было значительно улучшено.
Домашняя страница 
Страница входа в систему 
Поиск страницы 
Рекомендации страница 
Обзор страница 
