طراحی معماری میکروسرویس Edge-Cloud برای سیستم های توصیه گر بلادرنگ در تجارت الکترونیک

با گسترش روزافزون تجارت الکترونیک، شخصی سازی بلادرنگ تجربه کاربری به یکی از کلیدی ترین عوامل موفقیت تبدیل شده است. سیستم های سنتی توصیه گر به دلیل پردازش دسته ای و مدل های سنگین، با مشکلات تاخیر بالا و مصرف منابع مواجه هستند. این مقاله به طراحی و پیاده سازی یک معماری میکروسرویس مبتنی بر Edge-Cloud می پردازد که امکان پردازش بلادرنگ داده های رفتاری لحظه ای کاربر را فراهم می کند. الگوریتم هیبریدی پیشنهادی (LightGCN برای استخراج ویژگی های تاریخی + Contextual Bandit برای تصمیم گیری لحظه ای) در این معماری پیاده سازی شده است. نتایج آزمایش A/B روی دیتاست RetailRocket نشان دهنده کاهش ۴۳ درصدی مصرف منابع، کاهش تاخیر به کمتر از ۹۰۰ میلی ثانیه، افزایش ۱۸.۷۵ درصدی نرخ تبدیل و ۹.۹ درصدی ارزش متوسط سبد خرید است. این پژوهش راهکاری عملی و مقیاس پذیر برای پلتفرم های تجارت الکترونیک ارائه می دهد.

کلیدواژه ها:

Edge Computing ، میکروسرویس ، سیستم توصیه گر بلادرنگ ، LightGCN ، Contextual Bandit ، تجارت الکترونیک ، شخصی سازی لحظه ای