university recommendation system
1.0.0
今天,在互联网上,可以访问大量信息,从而使用户难以做出适当的选择。这种现象称为信息过载。协作过滤(CF)算法是用于信息过滤的推荐系统(RS)中最常用的技术,是信息过载问题的答案。它利用用户已分配给项目的评分,这些评分在电子商务中起着重要作用,以帮助用户选择其感兴趣的项目。对于大型且复杂的数据,多标准协作过滤(MC-CF)经常为考虑项目多个方面的用户提供更好的性能,准确和高质量的建议。 CF算法需要不断更新,因为信息的量,访问该信息的量,可伸缩性和评级矩阵中的稀疏性。降低降低技术诸如:矩阵分解和张量分解技术已被证明是对大数据时代设计有效CF算法的问题的一个非常有希望的解决方案。
这项工作旨在提供大学推荐系统,向学生提供大学/大学的建议,这些建议结合了多标准协作过滤和降低维度的技术,以向学生提供高质量的大学/大学建议。提出的解决方案不仅降低了计算成本,而且还提高了使用Apache Mahout框架实现的MC-CF算法的准确性和效率。通过利用Mahout API,算法的响应时间得到了显着改善。
主页
登录页面
搜索页面
建议页面
评论页面