ارائه یک روش توزیع شده در سیستم های پیشنهاد دهنده مبتنی بر الگوریتم k-means

در دنیای دیجیتالی امروز، داده ها با سرعت زیادی در حال رشد هستند، از این رو ابزارهای سنتی قادر به پردازشمتناسب با این سرعت تغییر و حجم زیاد داده ها نیستند. برای دستیابی به روشهای پردازش سریع و دقیق دادههای بزرگ، از ابزارهای قدرتمندی استفاده می شود. ابزارهایی مانند اسپارک و هدوپ که به صورت توزیع شده وموازی در زمان واقعی پردازش می کنند. امروزه سیستم های پیشنهاد دهنده که اساس کار با آنها، داده هایبزرگ می باشد بسیار پرکاربرد هسنتد. در این تحقیق سیستم پیشنهاد دهنده ای تحت کتابخانه Mllib که بااستفاده از الگوریتم K-means و ALS و مجموعه داده های توریستی، با هدف کاهش زمان نسبت به الگوریتمALS و افزایش میزان دقت و صحت پیشنهاد ارائه شده است. برای ارزیابی زمان، زمان پردازش و اجرای سیستمارائه شده با زمان اجرای الگوریتم ALS مقایسه شد. نتیجه این مقایسه نشان می دهد که سیستم ارائه شده بین5 تا 20 ثانیه سریعتر از الگوریتم ALS است. برای ارزیابی دقت و صحت این سیستم، پرسشنامه ای تنظیم شد ودر اختیار خبرگان صنعت گردشگری قرار داده شد. طبق نظرات جمع آوری شده از خبرگان و مقایسه امتیازهایداده شده توسط آنها و امتیازات پیش بینی شده توسط این برنامه 33/3 درصد اولویت اول، 75 درصد اولویت دوم و 27 درصد اولویت سوم انتخاب و امتیازدهی خبرگان با انتخاب پیش بینی شده توسط سیستم انطباق دارد که می توان نتیجه گرفت مدل پیشنهادی با نظر خبرگان تا حد زیادی انطباق دارد.

کلیدواژه ها:

اسپارک ، هدوپ ، سیستم پیشنهاد دهنده ، الگوریتم kmeans ، الگوریتم ALS