CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه ی الگوریتمی مقیاس پذیر برای سیستم های توصیه گر اجتماعی مبتنی بر اسپارک

اعتبار موردنیاز PDF: ۱ WORD: ۳ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۳۳ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ACCSI22_106
زبان مقاله: فارسی
حجم فایل: ۶۵۲.۶ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه ی الگوریتمی مقیاس پذیر برای سیستم های توصیه گر اجتماعی مبتنی بر اسپارک

  محبوبه برومندزاده - دانشجوی کارشناسی ارشد نرم افزار، دانشکده ی مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر
  علیرضا باقری - استادیار گروه نرم افزار، دانشکده ی مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر

چکیده مقاله:

در عصر کلان داده، روز به روز بر محبوبیت سیستم های توصیه گر افزوده می شود. سیستم های توصیه گر برنامه هایی هستند که روش های کشف دانش را برای ایجاد توصیه های شخصی سازی شده، به کار می برند. سیستم های توصیه گر آگاه از اعتماد، از داده های شخصی کاربران و اطلاعات مربوط به اعتماد میان آن ها برای غلبه بر مشکلات روش های مبتنی بر پالایش گروهی استفاده می کنند. با این حال خیلی از سیستم های توصیه گر مقیاس پذیری لازم برای پردازش حجم عظیمی از داده ها را ندارند.بنابراین ما در این مقاله با انتخاب یکی از سیستم های توصیه گر مبتنی بر اجتماع و آگاه از اعتماد، یک سیستم توصیه گر مقیاس پذیر با استفاده از چارچوب پردازش موازی اسپارک ارایه می کنیم. در این سیستم دوستان بالقوه در شبکه بر اساس ترکیبی از مقادیر شباهت و اعتمادشان، به کاربر هدف پیشنهاد می شوند. آزمایش های انجام شده روی مجموعه ی داده ای Flixter نشان می دهد که الگوریتم ارایه شده دارای مقیاس پذیری بالایی است.

کلیدواژه‌ها:

سیستم های توصیه گر، اسپارک، کلان داده، شبکه های اجتماعی، اعتماد، روش های خلاصه سازی، مقیاس پذیری

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI22-ACCSI22_106.html
کد COI مقاله: ACCSI22_106

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
برومندزاده, محبوبه و علیرضا باقری، ۱۳۹۵، ارایه ی الگوریتمی مقیاس پذیر برای سیستم های توصیه گر اجتماعی مبتنی بر اسپارک، بیست و دومین کنفرانس ملی سالانه انجمن کامپیوترایران، تهران، دانشگاه صنعتی شریف -انجمن کامپیوتر ایران، https://www.civilica.com/Paper-ACCSI22-ACCSI22_106.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (برومندزاده, محبوبه و علیرضا باقری، ۱۳۹۵)
برای بار دوم به بعد: (برومندزاده و باقری، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۸۹۱۸
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.