university recommendation system
1.0.0
บนอินเทอร์เน็ตวันนี้สามารถเข้าถึงข้อมูลได้มากเกินไปทำให้ผู้ใช้เลือกได้ยาก ปรากฏการณ์นี้เรียกว่าข้อมูลมากเกินไป อัลกอริทึมการกรองร่วมกัน (CF) เป็นเทคนิคที่ใช้กันมากที่สุดในระบบแนะนำ (RS) สำหรับการกรองข้อมูลเป็นคำตอบสำหรับปัญหาของข้อมูลที่มากเกินไป มันใช้ประโยชน์จากการให้คะแนนที่ผู้ใช้มอบหมายให้กับรายการที่มีบทบาทสำคัญในอีคอมเมิร์ซเพื่อช่วยผู้ใช้ในการเลือกรายการที่น่าสนใจ สำหรับข้อมูลขนาดใหญ่และซับซ้อนการกรองการทำงานร่วมกันแบบหลายเกณฑ์ (MC-CF) มักจะให้ประสิทธิภาพที่ดีขึ้นคำแนะนำที่แม่นยำและมีคุณภาพสูงสำหรับผู้ใช้ที่พิจารณาหลายแง่มุมของรายการ อัลกอริทึม CF จะต้องได้รับการปรับปรุงอย่างต่อเนื่องเนื่องจากการเพิ่มขึ้นอย่างต่อเนื่องของปริมาณข้อมูลวิธีการเข้าถึงข้อมูลความสามารถในการปรับขนาดและความกระจัดกระจายในเมทริกซ์การจัดอันดับ เทคนิคการลดมิติเช่น: การแยกตัวประกอบเมทริกซ์และเทคนิคการแยกตัวประกอบแบบเทนเซอร์ได้พิสูจน์แล้วว่าเป็นวิธีแก้ปัญหาที่ค่อนข้างมีแนวโน้มในการออกแบบอัลกอริทึม CF ที่มีประสิทธิภาพในยุคข้อมูลขนาดใหญ่
งานนี้มีวัตถุประสงค์เพื่อเสนอระบบแนะนำมหาวิทยาลัยเพื่อให้คำแนะนำมหาวิทยาลัย/วิทยาลัยแก่นักศึกษาที่รวมเทคนิคการกรองความร่วมมือและการลดมิติหลายเกณฑ์เพื่อให้คำแนะนำมหาวิทยาลัย/วิทยาลัยคุณภาพสูงแก่นักศึกษา โซลูชันที่เสนอไม่เพียง แต่ลดต้นทุนการคำนวณ แต่ยังเพิ่มความแม่นยำและประสิทธิภาพของอัลกอริทึม MC-CF ที่ใช้โดยใช้เฟรมเวิร์ก Apache Mahout โดยการใช้ประโยชน์จาก Mahout API เวลาตอบสนองของอัลกอริทึมได้รับการปรับปรุงอย่างมีนัยสำคัญ
โฮมเพจ 
หน้าเข้าสู่ระบบ 
หน้าค้นหา 
หน้าคำแนะนำ 
หน้าตรวจสอบ 
