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

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.

کلیدواژه ها:

موازی سازی ، پالایش مشارکتی ، تجزیه ماتریس ، آپاچی اسپارک ، گرادیان کاهشی