سیستم توصیه گر مقالات علمی مبتنی بر اطلاعات زمینه ای با استفاده از پلت فرم هدوپ

سیستم توصیه گر مقالات علمی مبتنی بر اطلاعات زمینه ای با استفاده از پلت فرم هدوپ

نسرین جوکار1

1) کارش ارشد تجارت الکترونیک

کد IOI مقاله : XAAE-BGCZG
محل انتشار : کنفرانس ملی اینترنت اشیا در پایدارسازی شهری(iotsc.ir)
چکیده :
    سیستم های توصیه گر مقالات پژوهشی به طور فزآینده ای محبوب شده اند. در 14 سال گذشته بیش از 170 مقالات پژوهشی، اختراع ثبت شده، صفحات وب و سایر موارد در این زمینه منتشر شده اند. سیستم های توصیه گر برای مقالات پژوهشی برنامه های کاربردی هستند، که به محققانی که پیگیر حوزه پژوهشی خود هستند کمک می کنند. از آنجایی که حجم مقالات روز به روز در حال افزایش است و سیستم های توصیه گر توانایی پوشش این حجم عظیم را برای پردازش مقالات با توجه به سلایق کاربر را ندارند، به همین دلیل برای پوشش و پردازش سریع این حجم از مقالات نیاز به استفاده از پردازش موازی(برنامه نویسی نگاشت – کاهش) است. سیستم پیشنهادی این پژوهش ابتدا برای هر مقاله پروفایلی را تشکیل می دهد که حاوی اطلاعات زمینه و دامنه ی مقاله می باشد سپس با توجه به دامنه کاری کاربر و دامنه مقالات، سیستم به کاربر مقالاتی را توصیه خواهد کرد. از آنجایی که حجم داده های مورد استفاده جزء داده های بزرگ می باشد و زمان نیز یک فاکتور مهم در این پژوهش است به همین علت از بستر هدوپ و برنامه نویسی موازی برای پیاده سازی سیستم استفاده شده است. عملکرد سیستم پیشنهادی با معیارهایی همچون رضایت کاربر و دقت سنجیده شد که نتایج رضایت بخش را به همراه داشته است.

کلمات کلیدی : سیستم های توصیه گر آگاه از زمینه داده های بزرگ هدوپ اطلاعات زمینه ای