مشاهده مشخصات مقاله
ارائه‌ی الگوریتمی مقیاس‌پذیر برای سیستم‌های توصیه‌گر اجتماعی مبتنی بر اسپارک
|
Authors |
-
محبوبه برومندزاده
-
علیرضا باقری
|
|
Conference |
بیست و دومین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
|
Abstract |
در عصر کلان داده، روز به روز بر محبوبیت سیستم‌های توصیه‌گر افزوده میشود. سیستم‌های توصیه‌گر برنامه‌هایی هستند که روش‌های کشف دانش را برای ایجاد توصیه های شخصی‌سازی شده، به کار می‌برند. سیستم‌های توصیه‌گر آگاه از اعتماد، از داده‌های شخصی کاربران و اطلاعات مربوط به اعتماد میان آن‌ها برای غلبه بر مشکلات روش‌های مبتنی بر پالایش گروهی استفاده می‌کنند. با این حال خیلی از سیستم‌های توصیه‌گر مقیاس‌پذیری لازم برای پردازش حجم عظیمی از داده‌ها را ندارند.
بنابراین ما در این مقاله با انتخاب یکی از سیستم‌های توصیه‌گر مبتنی بر اجتماع و آگاه از اعتماد، یک سیستم توصیه‌گر مقیاس‌پذیر با استفاده از چارچوب پردازش موازی اسپارک ارائه می‌کنیم. در این سیستم دوستان بالقوه در شبکه بر اساس ترکیبی از مقادیر شباهت و اعتمادشان، به کاربر هدف پیشنهاد می‌شوند. آزمایش‌های انجام‌شده روی مجموعه‌ی داده‌ای Flixter نشان میدهد که الگوریتم ارائه شده دارای مقیاس‌پذیری بالایی است.
|
|
قیمت |
-
برای اعضای سایت : 100,000 Rial
-
برای دانشجویان عضو انجمن : 20,000 Rial
-
برای اعضای عادی انجمن : 40,000 Rial
|
خرید مقاله
|
|
.gif){kind=icon}