بهبود عملکرد سیستم توصیه گر کتاب با استفاده از محاسبات توزیع شده و موازی هدوپ

در سیستم کتابخانه تحت وب به دلیل حجم و تنوع زیاد اقلام و دیتاها کاربر که وارد سیستم می شود با انتخاب های زیادی مواجه است از این رو نیاز به یک سیستمی است تا کاربر را در انتخاب های مناسب خود یاری کند، از طرفی حجم زیاد داده ها در فضای وب باید در کمترین زمان به صورت آنلاین پردازش شود، بنابر این ترکیب این دو موضوع و کم کردن سربار اطلاعات روی وب؛ نیاز به طراحی سیستم توصیه گر که قادر به دستیابی سریع به اطلاعات مورد علاقه کاربران، که با تاکید بر حداقل مداخله انسانی باشد؛ از یک سو، و روی آوردن به روش های تحلیل متناسب با حجم داده های حجیم ازسوی دیگر، به خوبی احساس می شود. در این مقاله برای حل مشکلات بیان شده از یک سیستم توصیه گر استفاده شده است که برای توصیه دقیق تر به کاربر از ترکیب دو مرحله برای توصیه به کاربر استفاده می کند. مرحله اول، با استفاده از الگوریتم مبتنی بر همکاری یا Collaborative Filtering لیستی از آیتم ها که در اینجا آیتم ما کتاب است برای پیشنهاد به کاربر تهیه می شود، در مرحله دوم، نظرات کاربر مبتنی بر دیکشنری sentiwordnet نسبت به آیتم ها تجزیه تحلیل می شود و لیست به وجو آمده آیتم ها برای توصیه به کاربر در مرحله قبل با استفاده از موتور پردازشگر اسپارک در بستر هدوپ استفاده میکند بهبود داده می شود. بدین منظور، برای افزایش مقیاس پذیری سیستم توصیه گر، از معماری توزیع شده برای انجام محاسبات سنگین، استفاده شده است. لذا در این صورت سرعت پردازش دادهای حجیم در فضای وب به صورت توزیع شده؛ در کمترین زمان و با بیشترین دقت نسبت به مدل سنتی صورت میگیرد و همچنین کاربر را در انتخاب های مناسب نسبت به اولویت های آیتم های خود یاری می کنیم.

کلیدواژه ها:

داده های بزرگ ، سیستم های توصیه گر ، اسپارک ، کاوش نظرات ، تحلیل نظرات