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 علیرضا هنرور2 خدیجه اسفندیاری3
1) دانشجوی کارشناسی ارشد فناوری اطلاعات گرایش تجارت الکترونیک، دانشگاه آزاد اسلامی واحد صفاشهر، ایران-
2) عضو هیئت علمی دانشگاه آزاد اسلامی واحد صفاشهر، ایران-
3) دانشجوی کارشناسی ارشد فناوری اطلاعات گرایش تجارت الکترونیک، دانشگاه آزاد اسلامی واحد صفاشهر، ایران-
کد IOI مقاله
:
XYCZ-AAGAK
محل انتشار :
کنفرانس بین المللی مهندسی و علوم کاربردی(iceasconf.com)
چکیده :
سیستم های توصیه گر برای مقالات علمی به طور فزآینده ای محبوب شده اند، به طوری که در 14 سال گذشته بیش از 170 مقالات علمی، اختراع ثبت شده، صفحات وب و سایر موارد در این زمینه منتشر شده اند. سیستم های توصیه گرمقالات با استفاده از اطلاعات زمینه ای سعي دارند بر اساس عملکرد، سلیقههای شخصي، رفتارهاي کاربر و بسته به زمینهای که در آن مورد استفاده قرار گرفتهاند، به هر کاربر پيشنهادهايي را ارائه دهند که با تمايلات شخصي کاربر تطابق داشته باشند.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 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 داده بزرگ هدوپ اطلاعات زمینه ای