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

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 545

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSCG03_258

تاریخ نمایه سازی: 14 فروردین 1399

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:

نویسندگان

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؛