بهبود کارآیی سیستم های توصیه گر با بکارگیری خصوصیت شخصی کاربران (استفاده از نتیجه برای پیش بینی در سازمان بورس)
محل انتشار: دومین کنفرانس ملی کامپیوتر و فناوری اطلاعات
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 566
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITS02_022
تاریخ نمایه سازی: 30 دی 1397
چکیده مقاله:
در عصر کلان داده، روز به روز بر محبوبیت سیستم های توصیه گر افزوده می شود. سیستم های توصیه گر برنامه هایی هستند که روش های کشف دانش را برای ایجاد توصیه های شخصی سازی شده، به کار می برند. سیستم های توصیه گر آگاه از اعتماد، از داده های شخصی کاربران و اطلاعات مربوط به اعتماد میان آن ها برای غلبه بر مشکلات روش های مبتنی بر پالایش گروهی استفاده می کنند. با این حال خیلی از سیستم های توصیه گر مقیاس پذیری لازم برای پردازش حجم عظیمی از داده ها را ندارند. بنابراین ما در این مقاله با انتخاب یکی از سیستم های توصیه گر مبتنی بر اجتماع و آگاه از اعتماد، یک سیستم توصیه گر مقیاس پذیر با استفاده از چارچوب پردازش موازی اسپارک ارایه می کنیم. در این سیستم دوستان بالقوه در شبکه بر اساس ترکیبی از مقادیر شباهت و اعتمادشان، به کاربر هدف پیشنهاد می شوند. آزمایش های انجام شده روی مجموعه ی داده ای نشان می دهد که الگوریتم ارایه شده دارای مقیاس پذیری بالایی است.
کلیدواژه ها:
نویسندگان
جواد صفایی نایینی
گروه کامپیوتر ، واحد صفاشهر ، دانشگاه آزاد اسلامی، صفاشهر ، ایران
محمدرضا فرهمند
گروه کامپیوتر ، واحد ابرکوه ، دانشگاه آزاد اسلامی ، ابرکوه ، ایران