قصي عبدالله عبد، اسامه محمد فاضل، واثق لفته عبدعلي
المؤلفون بالإنجليزي
Qusay Abdullah Abed, Osamah Mohammed Fadhil, Wathiq Laftah Al-Yaseen
الملخص العربي
بشكل عام ، تحتوي البيانات متعددة الأبعاد (تطبيقات الهاتف المحمول على سبيل المثال) على عدد كبير من المعلومات غير الضرورية. يجد مستخدمو تطبيقات الويب صعوبة في الحصول على المعلومات المطلوبة بسرعة وفعالية بسبب الحجم الهائل للبيانات (البيانات الضخمة المنتجة في الثانية). في هذه الورقة ، نميل إلى دراسة التنقيب عن البيانات في تخصيص الويب باستخدام نموذج التعلم العميق المدمج. لذا ، فإن أحد الحلول الفعالة لهذه المشكلة هو تخصيص الويب. بالإضافة إلى ذلك ، اكتشف كيف يساعد هذا النموذج في تحليل وتقدير الكميات الضخمة من العمليات. يعتمد تقديم توصيات مخصصة لتحسين الموثوقية على تطبيق الويب الذي يستخدم معلومات مفيدة في تطبيق الويب.
تعتبر نتائج هذا البحث مهمة لتدريب واختبار مجموعات البيانات الكبيرة لخريطة التعلم المختلط العميق بناءً على نموذج الشبكة العصبية ذات الانتشار الخلفي.
الملخص الانجليزي
In general, multidimensional data (mobile application for example) contain a large number of unnecessary information. Web app users find it difficult to get the information needed quickly and effectively due to the sheer volume of data (big data produced per second). In this paper, we tend to study the data mining in web personalization using blended deep learning model. So, one of the effective solutions to this problem is web personalization. As well as, explore how this model helps to analyze and estimate the huge amounts of operations. Providing personalized recommendations to improve reliability depends on the web application using useful information in the web application.
The results of this research are important for the training and testing of large data sets for a map of deep mixed learning based on the model of back-spread neural network.
تاريخ النشر
01/12/2020
الناشر
Indonesian Journal of Electrical Engineering and Computer Science
قصي عبدالله عبد | Qusay Abdullah Abed | 3038