university recommendation system
1.0.0
今天,在互聯網上,可以訪問大量信息,從而使用戶難以做出適當的選擇。這種現象稱為信息過載。協作過濾(CF)算法是用於信息過濾的推薦系統(RS)中最常用的技術,是信息過載問題的答案。它利用用戶已分配給項目的評分,這些評分在電子商務中起著重要作用,以幫助用戶選擇其感興趣的項目。對於大型且複雜的數據,多標準協作過濾(MC-CF)經常為考慮項目多個方面的用戶提供更好的性能,準確和高質量的建議。 CF算法需要不斷更新,因為信息的量,訪問該信息的量,可伸縮性和評級矩陣中的稀疏性。降低降低技術諸如:矩陣分解和張量分解技術已被證明是對大數據時代設計有效CF算法的問題的一個非常有希望的解決方案。
這項工作旨在提供大學推薦系統,向學生提供大學/大學的建議,這些建議結合了多標準協作過濾和降低維度的技術,以向學生提供高質量的大學/大學建議。提出的解決方案不僅降低了計算成本,而且還提高了使用Apache Mahout框架實現的MC-CF算法的準確性和效率。通過利用Mahout API,算法的響應時間得到了顯著改善。
主頁
登錄頁面
搜索頁面
建議頁面
評論頁面