سیستم توصیه گر مقالات علمی مبتنی بر اطلاعاتزمینه ای با استفاده از پلت فرم هدوپ
محل انتشار: کنفرانس بین المللی مهندسی و علوم کاربردی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 648
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEASCONF01_050
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
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 گر مقالات با استفاده از اطلاعات زمینه ای سعی دارند بر اساس عملکرد، سلیقههای شخصی، رفتارهای کاربر و بسته به2 زمینهای که در آن مورد استفاده قرار گرفتهاند، به هر کاربر پیشنهادهایی را ارائه دهند که با تمایلات شخصی 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
کلیدواژه ها:
نویسندگان
نسرین جوکار
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفاشهر
علیرضا هنرور
عضو هیئت علمی دانشگاه آزاد اسلامی واحد صفاشهر
خدیجه اسفندیاری
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفاشهر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :