ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه یک سیستم توصیه گر مبتنی بر کلان داده جهت پیشنهاد مقالات پژوهشی به زبان فارسی

سال انتشار: 1398
کد COI مقاله: CSCG03_258
زبان مقاله: فارسیمشاهد این مقاله: 112
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه یک سیستم توصیه گر مبتنی بر کلان داده جهت پیشنهاد مقالات پژوهشی به زبان فارسی

النا اسدی - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات گرایش تجارت الکترونیکی، دانشگاه آزاد اسلامی واحد صفاشهر
رضا خرم نیا - عضو هیئت علمی گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد صفاشهر؛

چکیده مقاله:

با افزایش چشمگیر داده ها، سیستم کتابخانه های سنتی قادر به پاسخگویی به نیازهای کسب و کار مدرن کاربران نیستند. ایجاد یک کتابخانه هوشمند بزرگ به عنوان بخش جدایی ناپذیر سیستم آموزشی است که خدمات کاربر را بهبود می بخشد و انگیزه در روند یادگیری مداوم را از طریق توصیه های آگاهانه افزایش می دهد. در همین راستا در این مقاله با هدف ارائه یک سیستم توصیه گر جهت پژوهش های فارسی، سیستمی طراحی و اجرا شد. با توجه به اینکه ساختار این پژوهش ها ساختار نایافته بود از ابزار کلان داده اسپارک در بستر هدوپ جهت پردازش استفاده و سیستم پیشنهادی در دو مرحله یادگیری و توصیه پیاده سازی شد. از آنجایی که یک مجموعه داده مناسب جهت این پژوهش در دسترس نبود، محقق یک مجموعه داده از پژوهش های سایت ایرانداک با استفاده از یک خزنده که ورودی آن لینک پژوهش ها و خروجی آن یک فایل XML شامل اطلاعات زمینه ای پژوهش بود، جهت توصیه ایجاد کرد. در مرحله یادگیری پژوهش ها با استفاده از عملیات پیش پردازش حذف کلمات متوقف کننده، ریشه یابی و وزن دهی به صورت بردارهای پژوهشی ذخیره شدند و با استفاده از خوشه بندی K-means پژوهش ها طبقه بندی و به کلمات کلیدی و ترم هایی که بیشتر از 2 بار در چکیده آمده بود به عنوان دامنه پژوهش ها برچسب زده شد. سپس در مرحله توصیه با استفاده از 30 % مجموعه آزمون که به عنوان ورودی کاربر در نظر گرفته شد عملیات توصیه با توجه به شباهت بین پژوهش ها انجام شد و 5 ، 10 ، 15 و 20 توصیه برتر به عنوان پژوهش های مرتبط به کاربر پیشنهاد داده شد. جهت ارزیابی روش پیشنهادی از معیارهای دقت و فراخوانی استفاده شد که عملکرد روش پیشنهادی قابل قبول بود.

کلیدواژه ها:

سیستم توصیه گر؛ شباهت کسینوسی؛ کلان داد ه؛ اسپارک؛ توصیه پژوهش های فارسی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1006197/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
اسدی، النا و خرم نیا، رضا،1398،ارائه یک سیستم توصیه گر مبتنی بر کلان داده جهت پیشنهاد مقالات پژوهشی به زبان فارسی،سومین کنفرانس بین المللی محاسبات نرم،رودسر،،،https://civilica.com/doc/1006197

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، اسدی، النا؛ رضا خرم نیا)
برای بار دوم به بعد: (1398، اسدی؛ خرم نیا)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 254
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی