بهبود عملکرد سیستم های توصیه گر بااستفاده ازاستخراج نظرات کاربردر داده هایحجیم
عنوان مقاله: بهبود عملکرد سیستم های توصیه گر بااستفاده ازاستخراج نظرات کاربردر داده هایحجیم
شناسه ملی مقاله: ICEASCONF01_372
منتشر شده در کنفرانس بین المللی مهندسی و علوم کاربردی در سال 1394
شناسه ملی مقاله: ICEASCONF01_372
منتشر شده در کنفرانس بین المللی مهندسی و علوم کاربردی در سال 1394
مشخصات نویسندگان مقاله:
خدیجه اسفندیاری - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفاشهر
علیرضا هنرور - عضو هیئت علمی دانشگاه آزاد اسلامی واحد صفاشهر
نسرین جوکار - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفاشهر
خلاصه مقاله:
خدیجه اسفندیاری - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفاشهر
علیرضا هنرور - عضو هیئت علمی دانشگاه آزاد اسلامی واحد صفاشهر
نسرین جوکار - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفاشهر
سیستم پیشنهاد دهنده با توجه به افزایش خدمات شبکه های اجتماعی آنلاین در طول چند سال گذشته به یک موضوع تحقیقی در حال ظهور تبدیل شده است. در حال حاضر، باتوجه به گسترش سریع و مداوم استفاده از اینترنت، ضرورت وجود یک سیستم توصیه گر موثر برای پالایش حجم عظیم اطلاعات، تا حد زیادی افزایش یافته است.هدف سیستم های توصیه گر ارائه لیستی از آیتم های مورد علاقه کاربر به اوست و با توجه به افزایش حجم داده های موجود، ابزار به کار گرفته شده ی قبلی برای پردازش این حجم داده مناسب نیست. بنابراین؛ در اختیار داشتن سیستمی که بتواند داده های بزرگ را ذخیره وپردازش کند به یک مشکل تبدیل شده است. در این پژوهش،برای حل مشکلات بیان شده ، یک سیستم پیشنهاد با استفاده از مدل فیلتر پالایش همکاری مبتنی بر مدل و که برای توصیه دقیق تر به کاربر از نظرات کاربران ، از موتور پردازشگر اسپارک در بستر هدوپ استفاده می کند. روش انجام شده در این پژوهش از ترکیب دو مرحله برای توصیه به کاربر استفاده میکند. در مرحله اول، برای هر آیتمبرحسب شناسه آن، تمام نظرات کاربران با توجه به رویکرد مبتنی بر دیکشنری و استفاده از لغت نامه آماده سنتی وردنت ، به دو کلاس مثبت ومنفی دسته بندی می کند. در مرحله دوم، با استفاده از الگوریتم مبتنی بر همکاری ( CF ) و محاسبه شباهت بین آیتم های کاربران وکاربر فعال، مشابه ترین آیتم به آیتم های کاربر فعال در یکلیست برای پیشنهاد به کاربر قرار می گیرد. در این مرحله لیست پیشنهادی مرحله قبل را با توجه به نظرات به دست امده کاربران از مرحله اول ترکیب کرده و آیتم هایی که کاربران بر روی آنها نظرات منفی دارند را از لیست نهایی توصیه حذف خواهد کرد. نتایج بدست آمده نشان می دهد روش حاضر نسبت به روشهای معمول توصیه،کارآمدتر و موثرتر خواهد بود
کلمات کلیدی: سیستم های توصیه گر، داده بزرگ، تجزیه وتحلیلاحساسات ، هدوپ، اسپارک
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/483222/