بهبود عملکرد سیستم های توصیه گر با استفاده ازاستخراج نظرات کاربردر داده های حجیم

بهبود عملکرد سیستم های توصیه گر با استفاده ازاستخراج نظرات کاربردر داده های حجیم

خدیجه اسفندیاری1 علیرضا هنرور2 نسرین جوکار3

1) دانشجوی کارشناسی ارشد فناوری اطلاعات گرایش تجارت الکترونیک، دانشگاه آزاد اسلامی واحد صفاشهر
2) عضو هیئت علمی دانشگاه آزاد اسلامی واحد صفاشهر
3) دانشجوی کارشناسی ارشد فناوری اطلاعات گرایش تجارت الکترونیک،دانشگاه آزاد اسلامی واحد صفاشهر

کد IOI مقاله : XYCZ-AAHFF
محل انتشار : کنفرانس بین المللی مهندسی و علوم کاربردی(iceasconf.com)
چکیده :
    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 توصیه‏گر موثر برای پالایش حجم عظیم اطلاعات، تا حد زیادی افزایش یافته است. هدف سیستم‏های توصیه‏گر ارائه لیستی از آیتم‏های 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 آیتم برحسب 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 یک لیست 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 وتحلیل احساسات هدوپ اسپارک