జర్నల్ ఆఫ్ ఇన్ఫర్మేషన్ టెక్నాలజీ & సాఫ్ట్వేర్ ఇంజనీరింగ్
అందరికి ప్రవేశం
ISSN: 2165- 7866
ISSN: 2165- 7866
మోలే ఫార్డ్
నేడు, వెబ్ పేజీల పెరుగుదల కారణంగా, వెబ్‌లో అందుబాటులో ఉన్న భారీ మొత్తంలో డేటా నుండి వినియోగదారులకు అవసరమైన సమాచారాన్ని సేకరించే వ్యవస్థ యొక్క ఉనికి అవసరం. దీన్ని చేయడానికి, మేము సందేహాస్పద సిస్టమ్‌లను అనుకూలీకరించాలి. మీ సిస్టమ్‌ను అనుకూలీకరించడానికి ఉత్తమ మార్గాలలో ఒకటి సిఫార్సు సిస్టమ్‌లను ఉపయోగించడం. వినియోగదారు నుండి పరిమిత సమాచారాన్ని పొందడం ద్వారా వినియోగదారుకు తగిన సూచనలను అందించగల వ్యవస్థలను సిఫార్సు చేసే వ్యవస్థలు అంటారు. సిఫార్సు చేసే సిస్టమ్‌లు వినియోగదారు యొక్క భవిష్యత్తు అభ్యర్థనలను అంచనా వేయగలవు మరియు ఆపై వినియోగదారుకి ఇష్టమైన పేజీల జాబితాను రూపొందించగలవు. మరో మాటలో చెప్పాలంటే, వినియోగదారు ప్రవర్తన యొక్క ఖచ్చితమైన సూచికను పొందవచ్చు మరియు వినియోగదారు తదుపరి కదలికలో ఎంపిక చేస్తారని ఒక పేజీని అంచనా వేయవచ్చు, ఇది కోల్డ్ స్టార్ట్ సిస్టమ్ యొక్క సమస్యను పరిష్కరించగలదు మరియు శోధన నాణ్యతను మెరుగుపరుస్తుంది. ఈ కథనంలో, వెబ్ రంగంలో సిఫార్సుదారు సిస్టమ్‌లను మెరుగుపరచడానికి ఒక కొత్త పద్ధతి ప్రతిపాదించబడింది, ఇది డేటా క్లస్టరింగ్ కోసం DBSCAN క్లస్టరింగ్ అల్గారిథమ్‌ను ఉపయోగిస్తుంది, ఇది 99% సమర్థత స్కోర్‌ను సాధించింది. తర్వాత, పేజ్ ర్యాంక్ అల్గారిథమ్‌ని ఉపయోగించి, యూజర్‌కి ఇష్టమైన పేజీలు తూకం వేయబడతాయి. ఆపై, SVM పద్ధతిని ఉపయోగించి, మేము డేటాను వర్గీకరిస్తాము మరియు సూచనను రూపొందించడానికి వినియోగదారుకు హైబ్రిడ్ సిఫార్సుదారు సిస్టమ్‌ను అందిస్తాము, ఇది చివరికి వినియోగదారు ఆసక్తిని కలిగి ఉన్న పేజీల జాబితాను సిఫార్సుదారుకు అందిస్తుంది. పరిశోధన ఫలితాల మూల్యాంకనం చూపింది ఈ ప్రతిపాదిత పద్ధతిని ఉపయోగించి కాల్ విభాగంలో 95% మరియు ఖచ్చితత్వం విభాగంలో 99% స్కోర్‌ను సాధించవచ్చు, ఇది ఈ సిఫార్సు చేసే సిస్టమ్ గరిష్టంగా సాధించగలదని రుజువు చేస్తుంది 90%. వినియోగదారు పేజీలను సరిగ్గా గుర్తించండి మరియు ఇతర మునుపటి సిస్టమ్‌ల బలహీనతలను బాగా తగ్గించండి.