DSpace
 

EMU I-REP >
02 Faculty of Engineering >
Department of Computer Engineering >
Theses (Master's and Ph.D) – Computer Engineering >

Please use this identifier to cite or link to this item: http://hdl.handle.net/11129/4476

Title: A Distributed Multi Event Solution for Recommender Systems Using Hadoop
Authors: Acan, Adnan
Kharazi, Seyed Javad Seyedzadeh
Eastern Mediterranean University, Faculty of Engineering, Dept. of Computer Engineering
Keywords: Machine learning--Artificial intelligence
Computational intelligence--Artificial intelligence
Recommender systems (Information filtering)
Recommender system
hadoop
multi event
artificial intelligence
big data
holonic
Computer Engineering
Issue Date: 2018
Publisher: Eastern Mediterranean University (EMU) - Doğu Akdeniz Üniversitesi (DAÜ)
Citation: Kharazi, Seyed Javad Seyedzadeh. (2018). A Distributed Multi Event Solution for Recommender Systems Using Hadoop. Thesis (M.S.), Eastern Mediterranean University, Institute of Graduate Studies and Research, Dept. of Computer Engineering, Famagusta: North Cyprus.
Abstract: Big data is a phenomenon that takes central stage in industry and academia arising from the advent of online services and mobile applications. Improving the efficiency of data processing and analysis has become a challenging issue. While a number of methods from different communities have been proposed for solving the “Big Data” problems, we worked with multi-event Intelligent Systems that offer efficient mechanisms, which significantly reduce the costs of processing large volume of data and improve data processing quality. Social networks could benefit from recommender systems in order to optimize the queries and ads they display for each special user. Among different approaches to analyze user data and making recommendations, we employed Collaborative Filtering with Cosine Similarity criterion for item-based similarity recognitions. In the implemented method, a Holonic multi-event system (HMES) is designed to process a portion of Amazon database in a distributed manner. The use of Hadoop and map-reduce technology is aimed to make more accurate and faster predictions and recommendations. Different evaluation standards such as Perfect Hit (PHIT), and Mean Percentage Rank (MPR) are used to examine and compare the proposed method with other conventional methods. The results obtained in this thesis are satisfactory compared to the results of the evaluation given in the literature. Keywords: recommender system, hadoop, multi event, artificial intelligence, big data, holonic
ÖZ: Büyük veri, çevrimiçi hizmetlerin ve mobil uygulamaların ortaya çıkmasından kaynaklanan endüstri ve akademi merkezini alan bir olgudur. Veri işleme ve analiz verimliliğinin artırılması zorlu bir konu haline gelmiştir. “Büyük Veri” sorunlarının çözümü için farklı topluluklardan bir takım yöntemler önerilmişken, çok sayıda verinin akıllıca işlenmesi ve veri işleme kalitesini iyileştirme maliyetlerini önemli ölçüde azaltan etkili mekanizmalar sunan Çok-olaylı Akıllı Sistemler ile çalıştık. Sosyal ağlar, her bir özel kullanıcı için görüntüledikleri sorguları ve reklamları optimize etmek amacıyla öneri sistemlerinden yararlanabilir. Kullanıcı verilerini analiz etmek ve önerilerde bulunmak için farklı yaklaşımlardan ötürü, maddeye dayalı benzerlik tanımları için İşbirlikçi Filtrelemeyi Kosine Benzerlik kriteri ile birlikte kullandık. Önerilen yöntemde, bir Holonik Çok-olaylı sistem (HMES), Amazon veritabanının bir kısmını dağıtılmış bir şekilde tasarlamaktadır. Hadoop ve harita azaltma teknolojisinin kullanılması daha doğru, daha hızlı tahminler ve önerilerde bulunmayı amaçlamaktadır. Önerilen metodu diğer geleneksel yöntemlerle incelemek ve karşılaştırmak için, Mükemmel Vuruş (PHIT) ve Ortalama Yüzde Oranı (MPR) gibi farklı değerlendirme kriterleri kullanılmaktadır. Literatürde verilen değerlendirme sonuçlarıyla karşılaştırıldığında bu tezde elde edilen sonuçlar memnuniyet vericidir. Anahtar Kelimeler: Öneri Sistemi, Hadoop, Çok Olaylı, Yapay Zeka, Büyük Veri, Holonik
Description: Master of Science in Computer Engineering. Thesis (M.S.)--Eastern Mediterranean University, Faculty of Engineering, Dept. of Computer Engineering, 2018. Supervisor: Assoc. Prof. Dr. Adnan Acan.
URI: http://hdl.handle.net/11129/4476
Appears in Collections:Theses (Master's and Ph.D) – Computer Engineering

Files in This Item:

File Description SizeFormat
kharaziseyed.pdfTheses ,Master.1.37 MBAdobe PDFView/Open


This item is protected by original copyright

Recommend this item
View Statistics

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Valid XHTML 1.0! DSpace Software Copyright © 2002-2010  Duraspace - Feedback