بررسی تسریع الگوریتم توصیه گر تجزیه ماتریس بر اساس الگوریتمگرادیان کاهشی تصادفی

چکیده مقاله

در دهه های اخیر با رشد فزاینده ی اینترنت و رونق کسب و کارهای برخط ضرورت راهنمایی درست کاربران به منظور جلوگیری از سردرگمی آنان و دست یافتن به کالا، خدمات و اطلاعات درست مد نظر کاملا احساس می شود الگوریتم های توصیه گر به دلیل توانایی های بی نظیر خود در پیشنهاد دادن محتوی درست به کاربر تبدیل به بخش جدایی ناپذیر بسترهای برخط شده است با افزایش حجم بالای اطلاعات در فضای اینترنت بهبود کارایی و تسریع الگوریتم های توصیه گر امری حیاتی است یکی از راه های بهبود کارایی سیستم های توصیه گر استفاده از الگوریتم های بهینه سازی است، که ما در این پژوهش از الگوریتم گرادیان کاهشی تصادفی استفاده کرده ایم و برای تسریع در محاسبات تجزیه ماتریس با استفاده از این الگوریتم با موازی سازی و استفاده از ابزار کلان داده اسپارک به بهبود و تسریع آن می پردازیم در پایان از نتایج به دست آمده نتیجه می گیریم که موازی سازی با ابزار کلان داده اسپارک می تواند پردازش سیستم های توصیه گر را تسریع مناسبی ببخشد

کلیدواژه‌ها

نویسندگان

علیرضا جلالی النجارقی

کارشناسی ارشد علوم کامپیوتر دانشگاه شهید بهشتی

حامد رجبی زاده

کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه آزاد اسلامی واحد علوم تحقیقات کرمانشاه

عمران اسدالهی کیا

کارشناسی ارشد علوم کامپیوتر دانشگاه شهید بهشتی

�لالی النجارقی، علیرضا و رجبی زاده، حامد و اسدالهی کیا، عمران،1403،بررسی تسریع الگوریتم توصیه گر تجزیه ماتریس بر اساس الگوریتمگرادیان کاهشی تصادفی،بیست و چهارمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات بیست و چهارمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات26 مهر 1403 · بابل