کاهش زمان آزمون سیستم پیشنهاد دهنده سریع مبتنی بر فاصله

یکی از انواع موفق سیستم های پیشنهاد دهنده، سیستم مبتنی بر فاصله M(MBR) است. در این روش از میانگین امتیازهای داده شده به هر آیتم، به عنوان ویژگی استفاده می شود. سپس، میانگین امتیازهای داده شده به آیتم های مشابه با آیتم مورد نظر کاربر، امتیاز تخمینی را تعیین می کند. در مرحله آزمون الگوریتم MBR، برای تخمین امتیاز کاربر فعال به یک آیتم، فقط به آیتم های دارای امتیاز کاربر فعال نیاز است در حالی که در الگوریتم MBR همه آیتم های همسایه، آیتم مورد نظر بررسی می شوند و از آیتم های فاقد امتیاز، صرف نظر می شود. در اغلب مجموعه داده ها، تعداد آیتم های فاقد امتیاز، بسیار زیاد است و بررسی همه آیتم های همسایه آیتم مورد نظر در مرحله آزمون، بسیار زمان بر است. در این مقاله، برای بهبود زمان مرحله آزمون الگوریتم MBR، یک ساختمان داده جدید پیشنهاد می شود. با پرکردن این ساختمان داده در مرحله آموزش و استفاده از آن در مرحله آزمون، نیاز به بررسی آیتم های فاقد امتیاز در مرحله آزمون نخواهد بود. آزمایش های انجام شده روی ۵ مجموعه داده واقعی، نشان می دهد که زمان اجرای روش MBR تا ۱۳۲ برابر بیش از زمان اجرای روش پیشنهادی است.

Keywords:

سیستم پیشنهاد دهنده مبتنی بر فاصله M(MBR) , پالایش مشارکتی , نزدیکترین همسایه , ساختمان داده