این پروژه که یک سیستم پیشنهاد دهنده مشارکتی و محتوا محور است با استفاده اززبان برنامه نویسی C# نوشته شده است. هدف این پروژه پیش بینی مسیر های پرطرفدار و پرتکرار گردشگران است. دیتاست موجود مربوط به مکان هایی است که تاکسی ها در آنجا حرکت کرده و تا کسی ها با داشتن تعدادی GPS ها در سر تا سر راهی که طی میکنند مسیر هایی را در سیستم به ثبت می رسانند. بطور کلی این پروژه که بسیاری مناسب برای دروس و رشته های کامپیوتر، هوش مصنوعی، تجارت الکترونیک وغیره است. مسیر های بهینه ای را از میان کلیه مسیر های طی شده توسط انواع تاکسی های مختلف با داشتن نقاط متنوع را پیش بینی نموده و به توریست ها پیشنهاد دهد.
عنوان مقاله لاتین جهت دانلود:
در قسمت دانلود دمو می توانید مقاله پیاده سازی شده را دانلود نموده و در صورت تایید توسط استاد، سپس پروژه را خریداری نمایید. صرفا جهت اطلاع مووع مقاله پیاده سازی شده به شرح ذیل است:
Destination Prediction by Sub-Trajectory Synthesis and Privacy Protection Against Such Prediction
اطلاعات دیتاست:
دیتا ست استفاده شده در این پروژه دارای 2 فایل کلی است که عبارتند از فایل کاربران و فایل مسیر ها. فایل کاربران در حدور 6000 نمونه داشته که اطلاعات راننده های تاکسی و گردشگران را نشان می دهد این فایل دارای ویژگی های سن، جنسیت، وضعیت تحصیلی و غیره است. سیستم پیشنهاد دهنده محتوا محور بر روی این دیتا ست اعمال شده و اطلاعاتی را استخراج می نماید. دیتاست مسیر ها و مکان هایی که توریست های قبلی آنها امتیازاتی داده است نیزدر حدود 100000 نمونه دارد. این دیتاست نیز مشخص می کند که چه گردشگری با چه شناسه ای به چه مسیر و مکانی چه امتیازی در چه زمانی داده است. بنابراین این دیتاست در فراآیند شبیه سازی سیستم پیشنهاد دهنده مشارکتی اعمال میشود.
با کاوش این دیتاست ما با استفاده از یک سیستم پیشهاد دهنده ترکیبی متشکل از سیستم های پیشنهاد دهنده مشارکتی و محتوا محور یا Content Base OR Collaborative filtering الگو هایی را پیدا کرده و مطابق با این الگو ها مسیر هایی مناسب رابه توریست ها پیشنهاد می کنیم.
مراحل شبیه سازی و اجرای فایل شبیه سازی:
- در این پیاده سازی که با زبان برنامه نویسی #C انجام شده است، جهت اجرای فایل های تهیه شده ابتدا لازم است نرم افزار محبوب 2008SQL Server و visual stadio را بر روی سیستم خود نصب داشته باشید. سپس نرم افزار اسکیوال سرور 2008 را باز کرده و با یک نقطه ) .) به سیستم پایگاه داده متصل شوید. پس از راه اندازی نرم افزار SQL Server میبایست فایلی که شامل دیتاست ها است و نسخه bakup گرفته شده با استفاده از SQL Server است را در بانک اطلاعاتی restore نمایید. این فایل که حاوی دیتاست است تحت نام localdb میباشد که یک فایل بانک اطلاعاتی SQL Server به صورت backup میباشد.
- مراحل restore کردن بانک اطلاعاتی در SQL Server را میتوان در گوگل جستجو نمود و مراحل آن را طی نمایید . بنابر این پس از ریستور نمود ن دیتا ست در اسکیوال سرور میبایست سورس های شبیه سازی شده با زبان برنامه نویسی C# را در نرم افزار 2008visuoal stadio بارگزاری نمود و ابتدا کد هارا با فشردن کلید 6F کامپایل نمایید و در نهایت با فشردن دکمه 5F برنامه را اجرا نمایید.
- پس از اینکه برنامه اجرا شده با یک پنجره رو به رو خواهید شد که این پیجره شامل بخش های مختلفی میباشد. در بخش اول که در جهت سمت چپ واقع شده است ابتدا دقایقی را که مربوط به سیستم تاکسی رانی است را بارگذاری میکنید در زیر آن تعداد را نیز نشان داده شده است.
- در همین بخش نیز یک قسمت و وجود دارد که شما و کاربر یا گردشگری را نشان میدهد که سیستم پیشنهاد دهنده می خواهد مسیر ها و مناطقی را با آن پیش بینی و توصیه دهد. بنابراین پس از بارگذاری دیتاست و تعیین کاربر جدیدالورود دکمه تعیین کاربر جدید را انتخاب نموده تا اطلاعات دموگرافیک کاربر جدید الورود نمایش داده شده و همچنین دسته آن کاربر تعیین گردد تا این بخش سیستم پیشنهاد دهنده محتوا محور بر روی داده های اعمال شده و دسته ای را تعیین می کند.
- در بخش دوم سیستم پیشنهاد دهنده با توجه به دسته کاربر جدید الورود کاربران مشابه این را برای کاربر جدید محاسبه نمود و نمایش میدهد. استخراج کاربران متشابه مبتنی بر اطلاعات دموگرافیک و دسته های مشابه می باشد. پس از استخراج کاربران مشابه با توریست جدید الورود با یک ماتریس مجاورتی برای همین توریست ها مسیر ها و مناطقی را که امتیاز داده اند تشکیل شده تا مشخص شود که کاربران همسایه با توریست جدید هر مسیر چه امتیازی داده اند. لازم به ذکر است نحوه محاسبه میزان شباهت این توریست جدید و توریست های موجود در دسته مربوطه بر اساس ویژگی های سن، جنسیت، تحصیلات، شغل و غیره است.
- در نهایت نیز بر روی دیتاست امتیازات توریست ها با استفاره از سیستم پیشنهاد دهنده مشارکتی یک تحلیل صورت گرفته و مسیر های که دارای بیشترین میزان امتیاز است تعیین شده و توریست جدید پیشنهاد می گردد. معیار های RMSE و MAE که دو مورد از مهم ترین و پرکاربرد ترین معیارهای مورد استفاده در سیستم های پیشنهاد دهنده است نیز این شبیه سازی محاسبه و در بخش آخر نشان داده می شود.
بنابراین پروژه و شبیه سازی فوق را می توان برای دروس مختلفی از رشته های کامپیوتر استفاده نمود. در صورت نیاز به بهبود بهینه سازی این مقاله و شبیه سازی و همچنین درخواست پروژه و شبیه سازی جدید و مرتبط کافیست با شما تلفن پشتیبانی موجود در سایت از طریق Telegram هماهنگی لازم را انجام دهید.